NMT 기반 접근 방식을 이용한 SPARQL 생성

SPARQL은 다양한 자연어 질문 응답(QA) 시스템에서 널리 사용되는 강력한 쿼리 언어입니다. 심층 신경망의 발전과 함께, 최근 몇 년 동안 자연어 질문을 SPARQL 쿼리로 직접 변환하기 위해 신경 기계 번역(NMT) 모델이 사용되고 있습니다. 본 논문에서는 Transformer 모델을 사용한 NMT 기반 접근 방식을 통해 SPARQL 쿼리를 생성하는 방법을 제안합니다. Transformer 모델은 상대적으로 높은 효율성과 효과성 때문에 선택되었습니다. 우리는 RDF 트리플만 예약된 간단한 시퀀스로 SPARQL 쿼리를 인코딩하기 위한 형식을 설계합니다. 이 단계의 주된 목적은 시퀀스를 단축하고 대상 언어의 복잡성을 줄이는 것입니다. 또한, 우리는 잘못 번역된 문제를 해결하기 위해 엔티티 유형 태그를 사용합니다. 제안된 접근 방식은 세 개의 오픈 도메인 질문 응답 데이터셋(QALD-7, QALD-8, LC-QuAD)에서 BLEU 점수와 정확도를 기준으로 평가되었으며, 각각 83.49%, 90.13%, 76.32%의 BLEU 점수를 기록하여 모든 기존 연구를 크게 능가하는 뛰어난 결과를 얻었습니다.