.png){kind=icon}
返回
DarijaDB: Unlocking Text-to-SQL for Arabic Dialects
.png){kind=icon}
PRE
AI
DOI：10.1145/3787497.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期文本到SQL模型的进展，这些模型将自然语言问题（NLQs）转换为可执行的SQL查询，使得与关系数据库的交互变得更加便捷，即使对于技术能力有限的人员也是如此。随着多个英文数据集和基准（如WikiSQL、SPIDER和BIRD）的发布，该任务取得了显著进步，这些数据集覆盖了不同的领域和复杂度水平。非英文高资源语言，如中文、俄语和阿拉伯语，也从中受益，通过翻译现有数据集或创建新的数据集。Dialect2SQL是一种新发布的文本到SQL数据集，专门针对摩洛哥方言（Darija），该方言以其复杂性和与其他阿拉伯方言及现代标准阿拉伯语的独特性而闻名。在本文中，我们通过在Dialect2SQL数据集上进行多次实验，并使用两种基于代码的大型语言模型StarCoder2和Qwen-2.5-Coder的不同方法和配置，对Darija的文本到SQL进行了全面研究。实验揭示了在英文数据上微调的模型与在Darija数据上微调的模型之间的性能差距。此外，结果表明在训练过程中纳入多语言数据集的积极影响。具体而言，BLEU得分差距从10.1%降低到6.7%，TSED得分差距从12.5%降低到5.7%。
Keyword:
Text-to-SQL
low resource language
Arabic dialects
darija
期刊
机构
引用论文
Sentiment Analysis on Moroccan Dialect based on ML and Social Media Content Detection基于机器学习和社交媒体内容检测的摩洛哥方言情感分析
OAAI
OAAI分享收藏CodeT5: Identifier-aware Unified Pre-trained Encoder-Decoder Models for Code Understanding and GenerationCodeT5: 用于代码理解和生成的标识符感知的统一预训练编码器-解码器模型OAAI
OAAI分享收藏Song, Y.; Ezzini, S.; Tang, X.; Lothritz, C.; Klein, J.; Bissyande, T.; Boytsov, A.; Ble, U.; Goujon, A. Enhancing Text-to-SQL Translation for Financial System Design. In Proceedings of the 2024 IEEE/ACM 46th International Conference on Software Engineering: Software Engineering in Practice (ICSE-SEIP); IEEE Computer Society: Los Alamitos, CA, USA, 2024; pp. 252–262. [Google Scholar] [CrossRef]Song, Y.; Ezzini, S.; Tang, X.; Lothritz, C.; Klein, J.; Bissyande, T.; Boytsov, A.; Ble, U.; Goujon, A. 增强金融系统设计中的文本到SQL翻译。载于2024年IEEE/ACM第46届国际软件工程会议：软件工程实践（ICSE-SEIP）会议录；IEEE计算机学会：美国加利福尼亚州洛斯阿拉米托斯，2024年，第252-262页。[Google Scholar][CrossRef].png)
IF0
PREAI
分享收藏
查看更多内容