自然语言数据库接口（NLIDBs）使用户能够使用日常自然语言而非复杂的查询语言与数据库进行通信。本研究提出了一种利用深度学习技术的新方法，通过全新的端到端框架提高阿拉伯语 NLIDB 系统的鲁棒性和可用性。本文提出了一种基于 Transformer 的架构，其中利用 AraT5 将阿拉伯语自然语言查询（ANLQs）转换为结构化的 JSON 逻辑查询（JLQ）表示，随后将其转换为可执行的 SQL 语句。该方法超越了传统的基于规则的系统，利用语义理解代替了语法模式匹配。因此，能够更有效地处理阿拉伯语的形态复杂性和方言变体。这种神经语义解析方法展示了对查询意图的深刻理解，超越了表层模式匹配。在包含 50,000 个查询对的大规模、多领域精选数据集上进行的实验评估显示出优异的性能，JLQ 生成的完全匹配准确率达到 85.2%，SQL 执行准确率达到 89.8%。研究结果表明，与传统的规则归纳方法相比，基于 Transformer 的方法在翻译准确率方面提供了显著提升。
Laila et al. (Thu,) 研究了这一问题。