상세 보기
구조 기반 예제 생성을 활용한 문맥 학습 기반 Text-to-SQL 기법
SEG-SQL: Structure-aware Example Generation for Text-to-SQL Method with In-context Learning
- 권동욱;
- 문재완;
- 이종욱
초록
문맥 학습을 활용한 거대 언어 모델은 Text-to-SQL 성능을 크게 향상시켰으나, 기존 자연어 유사도 기반 예제 선택은 SQL 구조 유사성을 보장하지 못하고 목표 SQL 쿼리와 구조적으로 유사한 예제가 없는 환경에서 성능이 저하된다. 이를 해결하기 위해 본 연구에서는 SEG-SQL을 제안한다. SEG-SQL은 자연어 질의로부터 초기 SQL을 생성하고 구조적 특성을 반영하는 힌트 벡터로 변환한다. 이후 일부 비트를 변형해 구조적으로 유사한 pseudo SQL을 생성하고, SQL-to-Text 변환을 통해 자연어 질의를 생성해 문맥 학습을 위한 Few-shot 예제로 활용한다. BIRD 벤치마크 결과, SEG-SQL은 CHESS 및 OpenSearch-SQL 대비 각각 2.5%, 3.4%의 성능 향상을 보였으며, 최고 난이도 환경에서는 각각 30.0%, 62.2% 향상을 달성하였다. 이는 SEG-SQL이 문맥 학습 기반 Text-to-SQL 정확도를 안정적으로 개선함을 입증한다.
키워드
Text-to-SQL; 거대 언어 모델; 문맥 학습; 퓨샷 예제 생성; 힌트 벡터; SQL-to-Text; Text-to-SQL; large language model; in-context learning; few-shot example generation; hint vector; SQL-to-Text
- 제목
- 구조 기반 예제 생성을 활용한 문맥 학습 기반 Text-to-SQL 기법
- 제목 (타언어)
- SEG-SQL: Structure-aware Example Generation for Text-to-SQL Method with In-context Learning
- 저자
- 권동욱; 문재완; 이종욱
- 발행일
- 2025-11
- 유형
- Y
- 저널명
- 정보과학회논문지
- 권
- 52
- 호
- 11
- 페이지
- 992 ~ 1001