Методи генерації SQL-запитів з тексту за допомогою великих мовних моделей

Abstract

Об'єкт дослідження – процес автоматизованої генерації SQL-запитів на основі запитів природною мовою. Предмет дослідження – методи оптимізації Text-to-SQL пайплайнів для великомасштабних реляційних баз даних із використанням динамічного скорочення схеми. Мета роботи – розробка та оцінка Text-to-SQL пайплайну, що зменшує затримку генерації SQL-запитів і підвищує їхню коректність шляхом динамічного скорочення схеми бази даних перед передачею контексту до великої мовної моделі. Методи дослідження – аналіз сучасних підходів Text-to-SQL, великі мовні моделі, динамічне скорочення схеми, побудова індексу схеми, prompt engineering, експериментальне порівняння базового та оптимізованого пайплайнів, ручна перевірка коректності SQL-запитів у pgAdmin. У кваліфікаційній роботі досліджено проблему автоматизованої генерації SQL-запитів з природної мови для великомасштабних реляційних баз даних та запропоновано пайплайн із динамічним скороченням схеми, що включає індексацію схеми, вибір релевантних таблиць для кожного запиту, формування скороченого контексту й механізми валідації та безпечного виконання read-only SQL-запитів. Експериментальна оцінка на наборі з понад 200 тестових запитань у 9 категоріях підтвердила ефективність підходу: середній час генерації скоротився з 5,4621 с до 0,5514 с (на 86,75%), а частка успішно згенерованих запитів зросла з 51,77% до 69,85%.