واجهات اللغة الطبيعية الحديثة لقاعدة البيانات

يمكن أن تستفيد واجهات اللغة الطبيعية لقاعدة البيانات (NLIs) من التقدم في التحليل الإحصائي على مدى السنوات الخمس عشرة الماضية. ومع ذلك، تتطلب المحللات الإحصائية تدريبًا على مجموعة ضخمة وموسومة من البيانات، وإنشاء مثل هذه المجموعة يدويًا لكل قاعدة بيانات يعد مكلفًا للغاية. لمعالجة هذه المشكلة، يقدم هذا البحث تقريرًا عن واجهة PRECISE NLI، التي تستخدم محللًا إحصائيًا كـ"مكون إضافي". توضح الورقة كيف أن نموذجًا دلاليًا قويًا مقترنًا بـ"إعادة تدريب خفيفة" يمكّن PRECISE من التغلب على أخطاء المحلل، ويربط بشكل صحيح بين الأسئلة المفسرة واستعلامات SQL المقابلة. نناقش القضايا المرتبطة باستخدام المحللات الإحصائية لبناء واجهات NLIs غير مرتبطة بقواعد البيانات، ونقدم نتائج تجريبية باستخدام مجموعة بيانات ATIS المعيارية حيث حققت PRECISE دقة بنسبة 94٪.