Μονάδα:
Κατεύθυνση Μεγάλα Δεδομένα και Τεχνητή ΝοημοσύνηΠληροφορική
Ημερομηνία κατάθεσης:
2023-07-14
Στοιχεία επιβλεπόντων καθηγητών:
Georgia Koutrika, Research Director, Athena Research Center
Nassos Katsamanis, Principal Researcher, Athena Research Center
Kurt Stockinger, Professor, Zurich University of Applied Sciences
Πρωτότυπος Τίτλος:
Verbalising Query Results to Text
Γλώσσες εργασίας:
Αγγλικά
Μεταφρασμένος τίτλος:
Λεξικοποίηση αποτελεσμάτων επερωτήσεων
Περίληψη:
Η δημοκρατικοποίηση των βάσεων δεδομένων επικεντρώνεται στο να γίνουν οι βάσεις
δεδομένων διαθέσιμες σε χρήστες που δεν έχουν γνώσεις ή επαφή με γλώσσες επερωτήσεων.
Προς αυτή την κατεύθυνση έχει δοθεί ήδη πολύ προσπάθεια στην επίλυση 2 προβλημάτων:
Text-to-SQL που επικεντρώνεται στην μετάφραση φυσικής γλώσσας σε SQL και SQL-
to-Text που επιλύει το αντίστροφο πρόβλημα. Όμως, ένα πρόβλημα για το οποίο δεν
έχει προταθεί λύση ακόμα είναι η εξήγηση των αποτελεσμάτων των επερωτήσεων σε
φυσική γλώσσα. Πρώτα ορίζουμε το πρόβλημα Query Results-to-Text ως: δωσμένων
των αποτελεσμάτων ενός επερωτήματος, παράγουμε φυσική γλώσσα που περιγράφει τα
αποτελέσματα. Προτείνουμε την χρήση προ-εκπαίδευσης του μοντέλου χρησιμοποιώντας
δεδομένα πινάκων από τον πραγματικό κόσμο με σκοπό την κατανόηση των πινάκων.
Δεύτερον, προτείνουμε ένα βήμα προεπεξεργασίας του επερωτήματος ώστε τα αποτελέσματα,
που είναι η είσοδος του μοντέλου μας, να περιέχουν επιπρόσθετα χαρακτηριστικά και
οδηγούν σε πιο πλούσιες λεξικοποιήσεις. Τέλος δημιουργούμε δύο Query Results-to-Text
Benchmarks, τα οποίο έιναι τα πρώτα σύνολα δεδομένων που περιέχουν αποτελέσματα
επερωτήσεων για τελική εκπαίδευση αλλά και για αξιολόγηση του μοντέλου.
Κύρια θεματική κατηγορία:
Τεχνολογία – Πληροφορική
Λέξεις-κλειδιά:
μηχανική μάθηση, βαθυά μάθηση, προ-εκπαίδευση μοντέλου
Αρ. σελίδων ευρετηρίου:
4
Αρ. βιβλιογραφικών αναφορών:
49
