日本語のタイトル#
AmbiSQL：テキストから SQL へのインタラクティブな曖昧性検出と解決
英文タイトル#
AmbiSQL: Interactive Ambiguity Detection and Resolution for Text-to-SQL
日本語の要約#
テキストから SQL システムは自然言語の質問を SQL クエリに変換し、非専門家ユーザーに重要な価値を提供します。 大規模言語モデル（LLMs）はこのタスクで有望な結果を示していますが、依然としてエラーが発生しやすいです。 クエリの曖昧性は、LLM ベースのテキストから SQL システムの主要な障害と見なされており、ユーザーの意図の誤解や不正確な SQL 生成を引き起こします。 我々は、クエリの曖昧性を自動的に検出し、直感的な選択式質問を通じてユーザーに意図を明確にするよう導くインタラクティブなシステムである AmbiSQL を示します。 我々のアプローチは、データベース要素のマッピングと LLM の推論に影響を与える曖昧性を特定するための細粒度の曖昧性分類法を導入し、その後、ユーザーのフィードバックを取り入れて曖昧な質問を再構成します。 曖昧なクエリデータセットに対する評価は、AmbiSQL が曖昧性検出において 87.2% の精度を達成し、テキストから SQL システムと統合した際に SQL の正確な一致率が 50% 向上することを示しています。 我々のデモは、顕著な性能向上を示し、システムの実用性を強調しています。 コードリポジトリとデモは以下のアドレスで入手できます：https://github.com/JustinzjDing/AmbiSQL。
英文要約#
Text-to-SQL systems translate natural language questions into SQL queries, providing substantial value for non-expert users. While large language models (LLMs) show promising results for this task, they remain error-prone. Query ambiguity has been recognized as a major obstacle for LLM-based Text-to-SQL systems, leading to misinterpretation of user intent and inaccurate SQL generation. We demonstrate AmbiSQL, an interactive system that automatically detects query ambiguities and guides users through intuitive multiple-choice questions to clarify their intent. Our approach introduces a fine-grained ambiguity taxonomy for identifying ambiguities that affect database element mapping and LLM reasoning, then incorporates user feedback to rewrite ambiguous questions. Evaluation on an ambiguous query dataset shows that AmbiSQL achieves 87.2% precision in ambiguity detection and improves SQL exact match accuracy by 50% when integrated with Text-to-SQL systems. Our demonstration showcases the significant performance gains and highlights the system's practical usability. Code repo and demonstration are available at: https://github.com/JustinzjDing/AmbiSQL.
記事ページ#
AmbiSQL：テキストから SQL へのインタラクティブな曖昧性検出と解決
PDF 取得#
抖音でさらに素晴らしいコンテンツを見る