[论文解读] Frameworks for Querying Databases Using Natural Language: A Literature Review

Hafsa Shareef Dar, M. Ikram Ullah Lali+3 more|arXiv (Cornell University)|Sep 3, 2019

Semantic Web and Ontologies参考文献 32被引用 6

一句话总结

本篇文献综述分析了2008年至2018年间47种自然语言到数据库查询转换的框架，将基于SQL的系统分为统计方法、符号方法和联结主义方法，将基于NoSQL的系统分为语义匹配和模式匹配方法。研究发现，70%的研究聚焦于SQL，英语是主要支持的语言，且在多语言支持和框架间互操作性方面存在明显空白。

ABSTRACT

A Natural Language Interface (NLI) facilitates users to pose queries to retrieve information from a database without using any artificial language such as the Structured Query Language (SQL). Several applications in various domains including healthcare, customer support and search engines, require elaborating structured data having information on text. Moreover, many issues have been explored including configuration complexity, processing of intensive algorithms, and popularity of relational databases, due to which translating natural language to database query has become a secondary area of investigation. The emerging trend of querying systems and speech-enabled interfaces revived natural language to database queries research area., The last survey published on this topic was six years ago in 2013. To best of our knowledge, there is no recent study found which discusses the current state of the art translations frameworks for natural language for structured and non-structured query languages. In this paper, we have reviewed 47 frameworks from 2008 to 2018. Out of 47, 35 were closely relevant to our work. SQL based frameworks have been categorized as statistical, symbolic and connectionist approaches. Whereas, NoSQL based frameworks have been categorized as semantic matching and pattern matching. These frameworks are then reviewed based on their supporting language, scheme of their heuristic rule, interoperability support, dataset scope and their overall performance score. The findings stated that 70% of the work in natural language to database querying has been carried out for SQL, and NoSQL share 15%, 10% and 5% of languages like SPAROL, CYPHER and GREMLIN respectively. It has also been observed that most of the frameworks support English language only.

研究动机与目标

• 提供对支持自然语言查询数据库的框架的最新、全面的调查，以填补自2013年最后一次重大综述以来的空白。
• 基于其基础方法，对47种框架进行分类与分析，包括统计方法、符号方法、联结主义方法、语义匹配和模式匹配技术。
• 从支持的语言、启发式规则方案、互操作性、数据集范围和性能评分等维度对框架进行评估。
• 识别研究趋势与研究空白，特别是多语言支持以及SQL与NoSQL查询语言框架之间的平衡问题。
• 为数据库自然语言接口的最新技术发展提供结构化概述，重点关注近期进展与局限性。

提出的方法

• 本研究对2008年至2018年间发表的47种框架进行了系统性文献综述，其中35种被认定为与研究重点密切相关。
• 框架被划分为三大类：基于SQL的（统计方法、符号方法、联结主义方法）和基于NoSQL的（语义匹配、模式匹配）。
• 每种框架根据五项标准进行评估：支持的语言、启发式规则方案、互操作性支持、数据集范围和整体性能评分。
• 分析包括对语言分布的定量评估，其中70%的研究针对SQL，15%针对NoSQL，SPARQL、Cypher和Gremlin各占10%。
• 综述使用结构化评估矩阵，对框架在关键维度上的表现进行比较，强调实际可用性和技术设计。
• 研究结果被综合整理，以识别自然语言数据库查询中的主流趋势、局限性以及尚未充分探索的领域。

实验结果

研究问题

• RQ1 2008年至2018年间，自然语言到数据库查询框架中占主导地位的技术方法是什么？
• RQ2 研究在不同数据库查询语言中的分布情况如何，特别是SQL与SPARQL、Cypher、Gremlin等NoSQL语言之间的对比？
• RQ3 现有框架在多语言输入支持方面达到何种程度，尤其是在英语之外的语言？
• RQ4 当前数据库自然语言接口框架在性能和互操作性方面面临哪些关键挑战？
• RQ5 启发式规则方案和数据集范围在多大程度上影响自然语言查询转换系统的有效性？

主要发现

• 被综述的框架中，70%是为SQL设计的，表明研究与开发重点高度集中于关系型数据库。
• 基于NoSQL的框架占总数的15%，其中SPARQL、Cypher和Gremlin各获得5%的研究关注。
• 大多数框架（超过70%）仅支持英语，凸显了在多语言自然语言接口开发方面的显著局限。
• 多数框架依赖基于规则或统计的方法，而基于神经网络的（联结主义）方法虽呈上升趋势，但仍是次要类别。
• 框架之间的互操作性支持有限，仅有少数系统设计为可在多个数据库系统或查询语言之间协同工作。
• 性能评分差异显著，尚未广泛采用标准化的基准测试框架，表明亟需统一的评估协议。