自然言語を用いてリレーショナルデータベースと対話することは、あらゆる背景を持つユーザーが大量のデータを簡単に照会し、分析するのに役立ちます。これには、ユーザーの質問を理解し、自動的にSQLクエリに変換するシステムが必要です。本論文では、この問題をスロット充填タスクとして捉える新しいアプローチであるTypeSQLを提案します。さらに、TypeSQLはタイプ情報を活用して自然言語の質問中に含まれる希少なエンティティや数値をより正確に理解します。我々はWikiSQLデータセットでこのアイデアを検証し、従来の最先端技術よりも大幅に短い時間で5.5%の性能向上を達成しました。また、ユーザーのクエリが適切に形成されていない場合でも、データベースの内容にアクセスすることでパフォーマンスが大幅に向上することを示しています。TypeSQLは82.6%の精度を達成しており、前回のコンテンツ感応型モデルと比較して17.5%の絶対的な改善となっています。