.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
近年来，神经网络在长期存在的AI问题上表现出令人瞩目的性能提升，例如从文本中回答查询和机器翻译。这些进展引发了这样一个问题：神经网络能否用于查询处理的核心，从事实中推导出答案，即使这些事实是用自然语言表达的？如果是这样，我们可以设想放宽数据库管理的基本假设，即我们的数据被表示为预定义模式中的字段。此外，这种技术将能够无缝地结合来自文本、图像和结构化数据的信息。
本文介绍了**neural databases**（神经数据库），这是一类使用NLP变换器作为本地答案推导引擎的系统。我们将这一愿景建立在NeuralDB的基础上，这是一个用于查询以短自然语言句子表示的事实的系统。我们证明，最近的自然语言处理模型，特别是变换器，如果给定一组相关事实，可以回答选择-投影-连接查询。然而，它们无法扩展到非平凡数据库，也不能回答基于集合和聚合的查询。基于这些见解，我们确定了构建神经数据库所需的具体研究挑战。其中一些挑战需要借鉴数据管理领域的丰富文献，而另一些则给NLP社区带来了新的研究机遇。最后，我们表明，通过初步解决方案，NeuralDB已经能够以非常高的准确性回答数千个句子上的查询。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息