복잡한 질의 관점에서 본 정밀한 테이블 검색

Fine-Grained Table Retrieval Through the Lens of Complex Queries

자연어로 테이블 및 데이터베이스에 대한 질문 답변 기능을 구현하는 것은 표 형태 데이터 소스로부터의 통찰력을 민주화하는 데 있어 핵심적인 역량입니다. 이러한 시스템은 먼저 주어진 자연어 질의와 관련된 데이터를 검색해야 하며, 이를 위해 다양한 방법들이 제시되었습니다. 본 연구에서는 정밀한 유형 기반 질의 분해와 전체 연결성 인지(DCTR)를 활용하여 복잡한 사용 환경에서 관계형 데이터베이스에 대한 개방형 질문 답변에서 발생하는 어려움을 해결하는 테이블 검색 메커니즘을 제시하고 분석합니다. 저희는 질의 복잡도 및 데이터 복잡도를 기준으로 검색 복잡도를 측정하여 두 가지 메커니즘의 효과성을 평가했습니다. 산업 표준 벤치마크를 사용한 분석 결과, DCTR은 복합적인 질의와 밀집 연결된 데이터베이스에 대해 높은 안정성을 보이는 것으로 나타났습니다.

Enabling question answering over tables and databases in natural language has become a key capability in the democratization of insights from tabular data sources. These systems first require retrieval of data that is relevant to a given natural language query, for which several methods have been introduced. In this work we present and study a table retrieval mechanism devising fine-grained typed query decomposition and global connectivity-awareness (DCTR), to handle the challenges induced by open-domain question answering over relational databases in complex usage contexts. We evaluate the effectiveness of the two mechanisms through the lens of retrieval complexity which we measure along the axes of query- and data complexity. Our analyses over industry-aligned benchmarks illustrate the robustness of DCTR for highly composite queries and densely connected databases.