English(EN) Schema-Free Text-to-SQL: Learning Enterprise Database Structure from Query Logs

无模式文本到SQL从查询日志中学习企业数据库结构

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

研究人员开发了一个新颖的文本到SQL框架，该框架无需完整的模式文档即可运行，这是企业数据库环境中常见的挑战。该新系统通过分析历史查询日志来学习数据库结构，识别表和列之间的隐式关系。通过从查询模式构建知识图谱并采用实体驱动的GraphRAG检索，该框架将用户问题与领域术语联系起来，在性能上显著优于传统的基于嵌入的检索方法。在工业部署和Beaver基准上的评估表明，其可执行性和答案质量得到了显著改善，专家数据工程师对新系统表现出强烈偏好。 AI

影响在缺乏模式文档的企业环境中实现自然语言数据库接口。

排序理由该集群包含一篇详细介绍文本到SQL系统新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍文本到SQL系统新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · \"Omer Faruk Akg\"ul, Nikhil Kapahi, Prajit Reddy Muppidi · 2026-10-27 04:00

无模式文本到SQL：从查询日志中学习企业数据库结构

arXiv:2610.33946v1 Announce Type: new Abstract: Text-to-SQL systems achieve remarkable accuracy on academic benchmarks, yet performance drops dramatically in enterprise deployments. This gap stems from a fundamental assumption: existing approaches require complete schema document…

本文如何被排名

报道来源 [1]

无模式文本到SQL：从查询日志中学习企业数据库结构

相关实体

相关话题