.png){kind=icon}
返回
QA-SQL: query-augmented SQL generation using few-shot prompting with data augmentation
.png){kind=icon}
PRE
AI
DOI：10.7717/peerj-cs.3525.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自然语言到结构化查询语言（NL-to-SQL）模型通过将普通语言查询转换为结构化查询语言（SQL）命令，使从结构化数据库中检索数据变得更加容易。然而，当前方法在处理复杂数据库结构、用户问题不明确以及生成高效SQL查询方面常常遇到困难。这些问题使得它们难以在实际大规模数据库中有效应用。为解决这些问题，提出了一种名为查询增强SQL生成（QA-SQL）的新型框架，该框架结合了检索增强生成（RAG）和数据增强等先进技术，以提高自然语言到SQL（NL-to-SQL）生成的准确性和效率。所提出的方法利用模式链接、RAG、动态提示工程以及少样本学习和向量数据库检索，通过查询增强来提升SQL查询生成。为测试和验证所提出的模型，在BIg Bench for LaRge-scale Database Grounded Text-to-SQL Evaluation（BIRD）基准上进行了大量实验，该基准包含1,534个自然语言查询和多种关系数据库，结果显示执行准确率达到46.68%，有效效率得分为87.66%，优于现有方法。该研究提出了一种上下文感知检索系统，显著提高了SQL的准确性，为更可扩展和可靠的NL-to-SQL解决方案铺平了道路。
Keyword:
Text-to-SQL
Retrieval-augmented generation
Data augmentation
Large language models
期刊
IF:
2.5
论文数:
3.4K
被引数:
6.9K
机构
引用论文
Ding, B.; Qin, C.; Zhao, R.; Luo, T.; Li, X.; Chen, G.; Xia, W.; Hu, J.; Luu, A.T.; Joty, S. Data Augmentation Using Large Language Models: Data Perspectives, Learning Paradigms and Challenges. arXiv 2024, arXiv:2403.02990. [Google Scholar] [CrossRef]Ding, B.; Qin, C.; Zhao, R.; Luo, T.; Li, X.; Chen, G.; Xia, W.; Hu, J.; Luu, A.T.; Joty, S. 使用大型语言模型进行数据增强：数据视角、学习范式与挑战。arXiv 2024, arXiv:2403.02990. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏ScienceBenchmark: A Complex Real-World Benchmark for Evaluating Natural Language to SQL SystemsScienceBenchmark：一个用于评估自然语言到SQL系统性能的复杂真实世界基准
OAAI
OAAI分享收藏On the potential of lexico-logical alignments for semantic parsing to SQL queries关于词汇-逻辑对齐在语义解析到SQL查询中的潜力
IF0
PREAI
分享收藏
查看更多内容