[论文解读] 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 5

一句话总结

该论文提出了一种与领域无关的系统，通过HTK和Julius进行语音转文本转换，随后利用JFLex和BYACC进行基于规则的自然语言到SQL的转换，结合词法分析、解析和语法导向翻译，将口语英语查询转换为可执行的SQL查询。其主要贡献是一个模块化、与数据库无关的框架，可在无需领域特定训练数据的情况下实现端到端的语音转SQL转换。

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.

研究动机与目标

• 实现将口语英语查询端到端转换为关系数据库的可执行SQL。
• 解决在无需领域特定语言模型的情况下，将自然语言语音转换为结构化SQL的挑战。
• 开发一种与底层数据库模式无关的系统，通过动态从模式生成lex文件实现。
• 利用编译器构造技术——词法分析、解析和语法导向翻译——实现从自然语言输入到稳健且准确的SQL生成。

提出的方法

• 使用HTK和Julius处理语音输入，将音频转换为文本，利用语音模型和语言模型。
• 使用基于BYACC构建的自定义解析器解析生成的英语文本查询，支持用于自然语言结构的上下文无关语法规则。
• 通过JFLex生成的词法分析器从文本查询中识别出诸如关键字、列名和运算符等标记。
• 系统应用基于规则的翻译规则，将自然语言结构映射到等效的SQL语法，包括WHERE、JOIN和聚合子句。
• 系统从目标RDBMS的模式动态生成lex文件，实现领域独立性。
• 使用语法导向翻译技术构建语义树，将语言结构映射到相应的SQL语法。

实验结果

研究问题

• RQ1 如何使用现成的语音识别工具准确地将口语英语查询转录为文本？
• RQ2 何种基于规则的方法能够实现自然语言短语到结构化SQL语法的可靠映射？
• RQ3 能否通过动态的、与模式相关的词典生成，设计出一种与特定数据库模式无关的系统？
• RQ4 编译器风格技术（词法分析、解析、翻译）在多大程度上提升了语音转SQL转换的准确性？

主要发现

• 该系统仅使用基于规则的方法和编译器构造工具，成功将口语英语查询转换为可执行的SQL查询。
• 使用JFLex和BYACC使得词法和语法分析管道的实现更加高效且易于维护。
• 该系统完全与领域无关，因为它在运行时从数据库模式动态生成lex文件，可部署于不同的RDBMS实例。
• HTK和Julius在语音转文本转换中的集成，为目标领域内的自然语言处理任务提供了足够的准确性。
• 基于规则的翻译管道在各种查询类型（包括选择、过滤和聚合）中表现出稳健性，且无需标注的训练数据。