A multi-stage self-review framework for translating natural language into neo4j cypher queries.

Abstract

The article presents a multi-stage self-review framework for automatically translating natural language questions into Cypher queries for the Neo4j graph database. The proposed approach integrates self-review mechanisms of large language models (LLMs), knowledge graph structure analysis, and multi-level validation of the syntax and semantics of generated queries. The framework includes three core stages: preliminary graph schema analysis, initial LLM-based query generation, and iterative self-review using specialized validation agents that detect logical, structural, and analytical inconsistencies. A prototype implementation is developed to evaluate the difference between query generation with and without the self-review mechanism. Experimental results demonstrate that incorporating self-review improves Cypher query correctness, reduces logical and structural errors, and enhances alignment with OLAP-oriented analytical requirements. The findings confirm the effectiveness of multi-stage self-review workflows for increasing the reliability of natural-language interfaces to graph-based analytical systems.

У статті представлено багатокрокову систему саморецензування для автоматизованого перетворення текстових запитів природною мовою у Cypher-запити до графової бази даних Neo4j. Робота поєднує механізми самоперевірки великих мовних моделей (LLM), аналіз структури графа знань та багаторівневу валідацію синтаксису й семантики згенерованих запитів. Запропонований підхід включає три основні етапи: попередній аналіз схеми графа, первинну генерацію запиту на основі LLM та ітеративну самоперевірку з використанням агентів валідації, які виявляють логічні, структурні та аналітичні помилки. Запропонована система впроваджена у прототипі програмного забезпечення, що виконує експериментальне порівняння генерації запитів із самоперевіркою та без неї. Результати експериментів показують, що використання self-review механізму забезпечує підвищення коректності Cypher-запитів, зменшення кількості логічних та структурних помилок і покращення відповідності сформованих запитів аналітичним OLAP-вимогам. Отримані результати підтверджують ефективність багатокрокового саморецензування для підвищення надійності текстового інтерфейсу до графових аналітичних систем.