Correcting Semantic Parses with Natural Language through Dynamic Schema Encoding

要約

自然言語を SQL クエリに変換するタスクに取り組む際には、意味論的および構文上のいくつかの課題があります。
セマンティック解析システムのパフォーマンスが向上するにつれて、障害点を理解し、修正することがますます重要になってきます。
私たちは、自然言語フィードバックを使用したセマンティック解析修正を検討し、テキストから SQL へのタスクにおける自己回帰デコーダーの成功に基づいて構築された新しいソリューションを提案します。
タスクの意味的困難と構文的困難を分離することで、自然言語によるたった 1 回の修正で text-to-SQL パーサーの精度が最大 26% 向上できることを示します。
さらに、T5 ベース モデルがゼロショット、クロスパーサー設定で T5 ラージ モデルのエラーを修正できることを示します。

要約(オリジナル)

In addressing the task of converting natural language to SQL queries, there are several semantic and syntactic challenges. It becomes increasingly important to understand and remedy the points of failure as the performance of semantic parsing systems improve. We explore semantic parse correction with natural language feedback, proposing a new solution built on the success of autoregressive decoders in text-to-SQL tasks. By separating the semantic and syntactic difficulties of the task, we show that the accuracy of text-to-SQL parsers can be boosted by up to 26% with only one turn of correction with natural language. Additionally, we show that a T5-base model is capable of correcting the errors of a T5-large model in a zero-shot, cross-parser setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google