文献

J-GLOBAL ID：202202212708381682   整理番号：22A0780725

深層学習によるNLIDBのレビュー:所見,課題および未解決問題【JST・京大機械翻訳】

A Review of NLIDB With Deep Learning: Findings, Challenges and Open Issues

著者 (5件)： Abbas Shanza (Department of Computer Science and Engineering, Hanyang University, Ansan, Republic of Korea) ,  Khan Muhammad Umair (Department of Computer Science and Engineering, Hanyang University, Ansan, Republic of Korea) ,  Lee Scott Uk-Jin (Department of Computer Science and Engineering, Major in Bio Artificial Intelligence, Hanyang University, Ansan, Republic of Korea) ,  Abbas Asad (Faculty of Information Technology, University of Central Punjab, Lahore, Pakistan) ,  Bashir Ali Kashif (Department of Computing and Mathematics, Manchester Metropolitan University, Manchester, U.K.)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 14927-14945  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 関係データベースは大量のデータに対する保存である。構造化クエリ言語の知識は,データにアクセスするための事前要求である。これは,すべての非技術的個人にとって不可能であり,テキストをユーザよりもSQLクエリ自身に翻訳するシステムの必要性をもたらす。SQLタスクに対するテキストも,その経済的および産業的価値のために重要である。データベースに対する自然言語インタフェイス(NLIDB)は,テキストからSQLタスクをサポートするシステムである。NLIDBシステムの開発は長年の問題である。以前にそれらをパイプライン化法によりドメイン特異的オントロジーに基づいて構築した。最近,深い学習アイデアと技術の上昇は,この領域を再び注意する。終りに,エンドツーエンド学習モデルをタスクのために提案する。いくつかの公的に利用可能なデータセットは,貢献の実験で使用され,比較プロセスを便利にする。本論文では,現在の研究をレビューし,研究動向をまとめ,深層学習モデルによるNLIDBの挑戦的な課題を強調した。データセットの重要性,予測モデルアプローチ,および未解決課題を論じた。さらに,NLIDBシステムの全体構造と性能への影響とともに,方法と技術も要約した。本論文は,深い学習アプローチによるNLIDBにおける発見と課題の事前知識を始めている未来研究者を始めることができる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  学習モデル ,  言語 ,  システム ,  データベース ,  未来学 ,  エンドツーエンド方式 ,  モデル ,  関係データベース ,  *機械学習 ,  オントロジー ,  予測モデル
準シソーラス用語： 事前知識 ,  研究動向 ,  クエリー ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 深層学習 ,  レビュー ,  所見 ,  未解決問題