Interactive Text-to-SQL Generation via Editable Step-by-Step Explanations

要約

リレーショナル データベースは、ビジネスや科学などで重要な役割を果たしています。
ただし、多くのユーザーは SQL などのデータベース言語に慣れていないため、リレーショナル データベースの分析能力を完全に発揮することができません。
自然言語から SQL を自動的に生成するための多くの技術が提案されていますが、それらには次の 2 つの問題があります。(1) 依然として多くの間違いがあり、特に複雑なクエリの場合、(2) 専門家以外のユーザーに柔軟な方法が提供されていません。
間違ったクエリを検証して修正します。
これらの問題に対処するために、ユーザーがクエリのステップバイステップの説明を直接編集してエラーを修正できるようにする新しい対話メカニズムを導入しました。
複数のデータセットでの実験と 24 人の参加者によるユーザー調査により、私たちのアプローチが複数の SOTA アプローチよりも優れたパフォーマンスを達成できることが実証されました。
コードとデータセットは https://github.com/magic-YuanTian/STEPS で入手できます。

要約(オリジナル)

Relational databases play an important role in business, science, and more. However, many users cannot fully unleash the analytical power of relational databases, because they are not familiar with database languages such as SQL. Many techniques have been proposed to automatically generate SQL from natural language, but they suffer from two issues: (1) they still make many mistakes, particularly for complex queries, and (2) they do not provide a flexible way for non-expert users to validate and refine incorrect queries. To address these issues, we introduce a new interaction mechanism that allows users to directly edit a step-by-step explanation of a query to fix errors. Our experiments on multiple datasets, as well as a user study with 24 participants, demonstrate that our approach can achieve better performance than multiple SOTA approaches. Our code and datasets are available at https://github.com/magic-YuanTian/STEPS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google