TypeSQL: Wissensbasierte, typbewusste neuronale Text-zu-SQL-Generierung

Die Interaktion mit relationalen Datenbanken durch natürliche Sprache ermöglicht Benutzern aus unterschiedlichsten Bereichen, große Mengen an Daten einfach abzufragen und zu analysieren. Dafür ist ein System erforderlich, das die Fragen der Benutzer versteht und diese automatisch in SQL-Abfragen umwandelt. In dieser Arbeit stellen wir einen neuen Ansatz vor: TypeSQL, der dieses Problem als Slot-Füllungsaufgabe betrachtet. Zudem nutzt TypeSQL Typinformationen, um selten vorkommende Entitäten und Zahlen in natürlichsprachlichen Fragen besser zu verstehen. Wir testen diese Idee am WikiSQL-Datensatz und erzielen eine Leistung, die 5,5 % über dem bisherigen Stand der Technik liegt und dies in deutlich weniger Zeit. Darüber hinaus zeigen wir, dass der Zugriff auf den Inhalt von Datenbanken die Leistung erheblich verbessern kann, wenn die Abfragen der Benutzer nicht korrekt formuliert sind. TypeSQL erreicht eine Genauigkeit von 82,6 %, was einem absoluten Verbesserungswert von 17,5 % gegenüber dem vorherigen inhaltsbezogenen Modell entspricht.