关联数据的自然语言查询方法

以RDF结构为基础的数据网的发展中,高效数据检索成为关键问题之一。形式化查询语言(如SPARQL)因其语法的复杂性及查询本体的相关性阻碍其效用的发挥,迫切需要新的方法或工具实现以自然语言为基础(如关键字检索)的检索。形式化查询语言是检索这类结构化数据的有效方式,用户习惯自然语言为基础的检索方式。因而如何自动将关键词为基础的检索方式转换成以形式化查询为基础的检索方式是实现数据网的重要一环。关联数据的自然语言查询方法自动将自然语言查询转换成SPARQL查询,提高系统的有效性和效率。文中在抽象转换度量模型的基础上,以本体为基础构建查询语义图及实现语义消歧,构建SPARQL查询。实验结果表明,该方法具有更高的召回率、精度及更低的时间消耗。     

CodeSearcher:基于自然语言功能描述的代码查询

在项目开发过程中,开发者需要为实现某一功能而编写代码;在不确定如何使用特定编程语言来实现当前待开发功能时,其往往会在文档或网络资源中进行代码查询。因此,代码查询的有效性会直接影响软件开发的效率。目前,已有相当数量的工具可以用来辅助开发者进行代码查询,但这些工具普遍存在输入形式复杂或者匹配精确度低等问题。文中提出的CodeSearcher是一种基于自然语言功能描述的代码查询方法。CodeSearcher将软件开发垂直领域的问答网站Stack OverFlow的问答记录转换为〈自然语言描述,代码片段〉数据对,使用神经网络模型将"自然语言描述"和"代码片段"映射到相同的向量空间并进行匹配,从而能够支持开发者使用待开发功能的自然语言描述来查询相应代码。CodeSearcher不同于一般的代码查询系统,一方面,它只需要代码本身而不依赖于代码的注释或说明,因此可以支持更多代码查询的场景;另一方面,它拓展了代码查询的流程,使其不再局限于一次性的查询反馈流程,而是在这中间加入了代码询答的流程,利用返回代码片段之间的差异性元素帮助开发者挑选目标代码,使得开发者不需要详细阅读所有返回的代码片段。实验结果表...     

基于中文自然语言的SQL生成综述

自然语言转为SQL (NL2SQL)的研究有较高的应用价值, 随着深度学习技术的成熟, 越来越多的研究者开始将深度学习技术应用于NL2SQL任务中. 本文梳理了英文和中文领域NL2SQL的研究现状, 总结按年份发布的数据集和模型, 对比当前4大中文NL2SQL数据集的特点, 阐述了当前基于深度学习的NL2SQL任务的基本框架以及针对中文领域的单表简单问题和跨表复杂问题所适用的典型模型, 介绍了一般常用的模型评测方法, 并提出未来研究方向的展望.     

数据库汉语自然语言查询模型研究

1.引言近年来国内数据库中文查询界面中,汉语查询模型主要有类关系代数表达式的中间语言转换模型,数据库E-R语义的汉语查询模型以及以条件为中心的语言理解模型等,作者仅就以上模型的长处和不足提出一种新的基于数据库E-R语义的查询模型。该模型的主要特点是采用数据库E-R语义理解模型,摆脱纯语言学理论的传统框架,将汉语查询句子与其指称的数据库模型的语义以及背景知识相结合,建立类SQL的表格式中间语言MQL,     

基于自然语言的数据库查询生成研究综述

数据库能够提供对大量数据的高效存储和访问,然而查询数据库需要掌握数据库查询语言SQL,对于普通用户而言存在一定的门槛.基于自然语言的数据库查询（即text-to-SQL）在最近几年受到了广泛的关注.对text-to-SQL问题的当前进展进行了系统的分析.首先介绍了问题背景,并对问题进行了描述;其次,重点分析了目前提出的text-to-SQL技术,包括基于流水线的方法、基于统计学习的方法,以及为多轮text-to-SQL而开发的技术,对每种方法都进行了深入的分析和总结.再次,进一步讨论了text-to-SQL所属的语义解析（semantic parsing）这一领域的研究.接着,总结了目前研究中广泛采用的数据集和评价指标,并从多个角度对主流模型进行了比较和分析.最后,总结了text-to-SQL任务面临的挑战,以及未来的研究方向.     

基于树状模型的复杂自然语言查询转SQL技术研究

自然语言查询转SQL(NL2SQL)是指将自然语言表达的查询文本自动转化成数据库系统可以理解并执行的结构化查询语言SQL表达式的技术.NL2SQL可以为普通用户提供数据库查询访问的自然交互界面,从而实现基于数据库的自然问答.复杂查询的NL2SQL是当前数据库学术界的研究热点,主流方法采用序列到序列(Seq2seq)的编解码方式对问题进行建模.然而,已有的工作大多基于英文场景,面向中文领域实际应用时,中文特殊的口语化表达导致复杂查询转化困难;此外,现有工作难以正确输出包含复杂计算表达式的查询子句.针对上述问题,提出一种树状模型取代序列表示,将复杂查询自顶向下分解为多叉树,树结点代表SQL的各组成元素,采用深度优先搜索来预测生成SQL语句.在Du SQL中文NL2SQL竞赛的两个官方测试集中,该方法分别取得了第1名和第2名的成绩,验证了其有效性.     

信息抽取在自然语言查询接口中的应用与研究

提出将信息抽取这种技术应用到汉语自然语言的处理中来,描述信息抽取会给自然语言查询接口带来的影响,并着重讨论信息抽取的实现算法.     

SPARQL查询引擎设计

论文以通用的不依赖于具体RDF平台的SPARQL查询引擎的设计与实现作为研究对象。并从SPARQL语法解析器、引擎系统的优化设计等方面进行了深入的探讨,提出了合理的设计策略和实现方法。     

基于自然语言语义的数据库目标检索研究

人们难以用在数据库中通常采用的SQL或者内容匹配等形式化查询语言准确、快捷表达其检索要求。虽然基于人类自然语言的数据库信息检索,无需用户具备任何基础培训和应用经验,但传统的基于语法分析的自然语言处理技术过于复杂,其实用性受到了很大的限制。本文利用贝叶斯网络在处理不确定性问题上的优势,提出一种基于扩展贝叶斯网的数据库目标检索模型来处理人类自然语言查询的模糊性、自由性,能有效并较准确地获得数据库中PDM管理的目标数据对象。     

基于实体的数据库汉语问句查询接口研究

设计并实现一个基于实体的通用可交互数据库汉语问句查询接口,该接口可将汉语问句转化为SQL语句,并通过数据库查询得到答案.系统首先对问句进行分词、实体语义标注等处理.生成一幅包含句子中各个实体及实体关系的信息领域图.将句子中的语义节点定位到图中,再按照设计好的算法,实现从句子到信息领域图,再到SQL语句的转化.实验表明,该系统能够基本有效地处理各种常见形式的查询语句,具有良好的可用性和可移植性.     

基于JDO查询语言的数据查询

介绍了JDO查询语言的必需组成部分和Query接口中的核心方法。通过一个应用实例讨论了JDO查询的过程以及Query接口中方法的应用,该实例包括一个简单查询和一个复杂查询。特别分析了JDO查询过滤器语义与Java语义在方法调用等方面的区别。最后概述了新的JDO规范在提高JDOQL效率方面所做的改进。     

面向自然语言的空间数据库查询研究

随着地理信息系统深入应用于人们的日常生活,面向自然语言的空间数据库查询的研究越来越被人们重视。论文根据地理要素间基本的空间关系(度量关系、拓扑关系、方向关系),讨论了面向自然语言的各种空间关系的基本查询形式以及查询语句中的空间语义,在此基础上,为进一步的理解以空间分析、网络分析作为自然语言查询条件的研究打下了基础。     

基于GIS系统的空间查询语言

目前,主流的空间数据查询语言都是在SFA SQL或SQL/MM Spatial这两大国际标准的基础上进行扩展的.然而,这两大标准对于空间查询和空间分析都是函数式的,所以当查询条件增多时,其复杂的查询表达式既不适合普通用户使用,也不利于提高查询的效率.提出了一种基于GIS系统的空间查询语言SQDL-G,将空间谓词表示为空间运算符,将子查询结构引入查询表达式中,并在ArcGIS平台上建立了该语言的执行引擎.实验表明,该语言表达灵活,结构清晰,易于被用户接受.     

关于数据库查询的自然语言接口研究

本文探讨了为数据库查询提供自然语言接口的可能性,给出了查询流程、基于状态转换图的词法分析和语法分析方法、将疑问句转换成SOL查询语句的方法以及由查询结果生成回答句的方法。     

基于汉语自然语言信息查询的计算机理解实现

文中根据汉语的二层语义分析结构。深层语义结构-语意指向，表层语义结构-语义指向：针对四种汉语疑问句型进行具体分析其在计算机理解实现中的理论方法和规则；在进行正确的汉语词汇切分之后；根据语意指向与语义指向建立起各词汇的本体言语和本体行为标注，进行组合词汇生成符合语意的短语，再进行本体行为转化为本体言语的研究，归结为专业数据库的语义；最后通过实验系统得以验证。