Improved NL2SQL based on Multi-layer Expert Network

要約

Natural Language to SQL (NL2SQL) 手法は、自然言語クエリを実行可能な SQL ステートメントに変換するために使用されます。
通常、スロット充填は、この目標を達成するためのマルチタスク ケースの分類方法として使用されます。
ただし、スロットを埋めると、さまざまな分類タスクから発生するマイナスの移行の問題により、SQL ステートメントが不正確に生成される可能性があります。
この制限を克服するために、この研究では、専用のマルチタスク階層ネットワークを利用する、Multi-Layer Expert Generate SQL (MLEG-SQL) と呼ばれる新しいアプローチを導入しています。
ネットワークの下位層は自然言語ステートメントの意味論的な特徴を抽出し、上位層は特定の分類タスクを処理するための専門のエキスパート システムを構築します。
この階層的なアプローチにより、さまざまなタスクの競合によって生じるパフォーマンスの低下が軽減されます。
提案された方法は WiKSQL データセットで評価され、正確な SQL ステートメントを生成するのに効果的であることがわかりました。

要約(オリジナル)

The Natural Language to SQL (NL2SQL) technique is used to convert natural language queries into executable SQL statements. Typically, slot-filling is employed as a classification method for multi-task cases to achieve this goal. However, slot-filling can result in inaccurate SQL statement generation due to negative migration issues arising from different classification tasks. To overcome this limitation, this study introduces a new approach called Multi-Layer Expert Generate SQL (MLEG-SQL), which utilizes a dedicated multi-task hierarchical network. The lower layer of the network extracts semantic features of natural language statements, while the upper layer builds a specialized expert system for handling specific classification tasks. This hierarchical approach mitigates performance degradation resulting from different task conflicts. The proposed method was evaluated on the WiKSQL dataset and was found to be effective in generating accurate SQL statements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google