LLMに基づく動的戦略を備えた堅牢な自然言語テキストからSQLへの生成フレームワーク | JoVE Visualize

科学分野:

人工知能
データベース
自然言語処理

背景:

自然言語テキストからSQLへの生成（Text2SQL）は、自然言語の質問を実行可能なSQLクエリに変換することを目的としています。
大規模言語モデル（LLM）はText2SQLを進歩させましたが、質問の複雑さが増すにつれてパフォーマンスが低下します。
現在のLLMメソッドは、さまざまな質問の複雑さに動的に適応することができません。

研究の目的:

現在のText2SQLメソッドの制限に対処するために、新しい3段階フレームワークであるTriSQLを提案すること。
複雑な自然言語の質問から生成されたSQLの精度と実行可能性を向上させること。
質問と初期SQLの複雑さに基づいて生成戦略を動的に適応させること。

主な方法:

質問ガイドスキーマセレクター：クロスアテンションを利用して、特定の質問に関連する最も関連性の高いスキーマを特定します。
構造を認識するSQLジェネレーター：階層的デコーディングを採用して、質問と選択されたスキーマから構文的に有効な初期SQLを作成します。
複雑さを認識するSQLリファイナー：LLMを活用して、質問と初期SQLの複雑さに基づいてSQL生成戦略を動的に調整します。

主要な成果:

TriSQLは、Spiderベンチマークとそのバリアントで最先端の実行精度を達成します。
提案された方法は、既存のLLMベースのText2SQLアプローチを上回ります。
TriSQLは、正確で実行可能なSQLを生成する上で高い効率と強力な堅牢性を示します。

結論:

TriSQLは、質問の複雑さに動的に適応することにより、Text2SQL生成において大きな進歩を提供します。
このフレームワークは、複雑な自然言語の質問を実行可能なSQLに変換するための堅牢で効率的なソリューションを提供します。
TriSQLは、複雑なText2SQLタスクにおける精度の新しい標準を設定します。