[論文レビュー] System and Methods for Converting Speech to SQL

S. Sachin Kumar, Ashish Kumar+2 more|arXiv (Cornell University)|Aug 14, 2013

Advanced Database Systems and Queries参考文献 4被引用数 5

ひとこと要約

この論文では、HTKおよびJuliusを用いた音声認識により音声をテキストに変換し、JFLexおよびBYACCを用いた語彙解析、構文解析、構文駆動翻訳を用いたルールベースの自然言語からSQLへの変換により、話された英語クエリを実行可能なSQLクエリに変換する、ドメインに依存しないシステムを提示している。主な貢献は、ドメイン固有の学習データを必要とせず、エンドツーエンドの音声からSQLへの変換を可能にするモジュラーかつデータベースに依存しないフレームワークを提供することにある。

ABSTRACT

This paper concerns with the conversion of a Spoken English Language Query into SQL for retrieving data from RDBMS. A User submits a query as speech signal through the user interface and gets the result of the query in the text format. We have developed the acoustic and language models using which a speech utterance can be converted into English text query and thus natural language processing techniques can be applied on this English text query to generate an equivalent SQL query. For conversion of speech into English text HTK and Julius tools have been used and for conversion of English text query into SQL query we have implemented a System which uses rule based translation to translate English Language Query into SQL Query. The translation uses lexical analyzer, parser and syntax directed translation techniques like in compilers. JFLex and BYACC tools have been used to build lexical analyzer and parser respectively. System is domain independent i.e. system can run on different database as it generates lex files from the underlying database.

研究の動機と目的

• 関係データベースに対して、話された英語クエリを実行可能なSQLにエンドツーエンドで変換すること。
• ドメイン固有の言語モデルを必要とせずに、自然言語の音声を構造的なSQLに変換する課題に対処すること。
• 対象RDBMSのスキーマから動的にレキサンスファイルを生成することにより、下位のデータベーススキーマに依存しないシステムの開発。
• コンパイラ構築技術—語彙解析、構文解析、構文駆動翻訳—を活用して、自然言語入力からの正確で堅牢なSQL生成を実現すること。

提案手法

• 音声入力をHTKおよびJuliusで処理し、音響モデルおよび言語モデルを活用してテキストに変換する。
• 得られた英語テキストクエリは、BYACCで構築されたカスタムパーサーにより解析され、自然言語構造をサポートする文脈自由文法ルールを適用する。
• JFLexで生成された語彙アナライザーが、キーワード、カラム名、演算子などのトークンをテキストクエリから特定する。
• ルールベースの翻訳ルールを適用して、自然言語の構造（例：WHERE、JOIN、集約句）を同等のSQL構文にマッピングする。
• システムは、ターゲットRDBMSのスキーマから動的にレキサンスファイルを生成するため、ドメイン独立性を実現する。
• 構文駆動翻訳技術を用いて、言語的構造を対応するSQL構文にマッピングするための意味的木を構築する。

実験結果

リサーチクエスチョン

• RQ1 オフザシェルの音声認識ツールを用いて、話された英語クエリを正確にテキストに変換する方法は何か？
• RQ2 どのようなルールベースのアプローチが、自然言語フレーズを構造的なSQL構文に信頼性高くマッピング可能か？
• RQ3 動的スキーマ対応のレキサンス生成によって、特定のデータベーススキーマに依存しないシステムを設計できるか？
• RQ4 コンパイラ風の技術（語彙解析、構文解析、翻訳）は、音声からSQLへの変換の正確性をどの程度向上させるか？

主な発見

• システムは、ルールベースの手法とコンパイラ構築ツールのみを用いて、話された英語クエリを実行可能なSQLクエリに変換することに成功した。
• JFLexおよびBYACCの使用により、語彙的および文法的解析パイプラインの効率的かつ保守可能な実装が可能になった。
• システムは完全にドメイン独立である。これは、実行時におけるデータベーススキーマからのレキサンスファイル生成により、異なるRDBMSインスタンスへの展開が可能であるためである。
• HTKおよびJuliusを用いた音声からテキストへの変換統合により、ターゲットドメインにおける自然言語処理タスクで十分な正確性が達成された。
• ルールベースの翻訳パイプラインは、アノテーション付き学習データを必要とせず、選択、フィルタリング、集約を含む多様なクエリタイプに対して堅牢であることが示された。