MatBase Algorithm for Translating Entity-Relationship Data Models into (Elementary) Mathematical Data Model Schemes
MatBase算法通过将实体-关系数据模型转换为数学数据模型方案，实现了线性、正确、完整和最优的转换过程，并应用于教学子宇宙的示例。
2025-11-26 cs.DB
MatBase algorithm for translating (E)MDM schemes into E-R data models
Ovidius University at Constanta（康斯坦察奥维迪乌斯大学）
本文提出将(E)MDM方案转换为E-R数据模型的伪代码算法，证明其线性、正确、完整且半优化，并以族谱子宇宙的(E)MDM方案为例进行演示。
2026-01-22 cs.DB
RelServe: Fast LLM Inference Serving on Relational Data
HKUST（香港科技大学）；Shanghai Jiao Tong University（上海交通大学）；PolyU（香港理工大学）；HKUST (GZ)（香港科技大学（广州））
RelServe通过动态优先级更新和自适应批处理优化，显著提升了关系数据查询的LLM推理效率，降低了延迟。
2025-12-04 cs.DB
Why Isn't Relational Learning Taking Over the World?
本文分析了关系学习未能成为主流的原因，指出其受限之处，并提出推动该领域获得应有地位所需的关键举措。
2025-11-05 cs.AI cs.DB cs.LG
Cost-Driven Ontology-Based Data Access (Extended Version)
在基于本体的数据访问（OBDA）中，为用户提供了（关系）数据源的概念视图，该视图抽象了有关数据存储的细节。这个概念视图是通过一个本体实现的，该本体通过声明性映射连接到数据源，查询应答是通过将概念视图上的用户查询转换为数据源上的SQL查询来执行的。OBDA中的标准翻译技术试图将用户查询转换为联合查询（UCQ），遵循UCQ可以由现代关系数据库引擎有效地评估的启发式论点。在这项工作中，我们表明，翻译到UCQ并不总是最好的选择，而且，在一定的条件下，本体，映射，和数据的统计之间的相互作用，替代翻译可以更有效地进行评估。为了找到最好的翻译，我们设计了一个成本模型，以及一个新的基数估计，考虑到所有这些OBDA组件。我们的实验证实，（i）UCQ翻译的替代方案可能会产生数量级更有效的查询，以及（ii）我们提出的成本模型是忠实于实际的查询评估成本，因此非常适合选择最佳翻译。
2018-02-02 cs.DB
Answering Non-Monotonic Queries in Relational Data Exchange
关系数据交换是根据源数据和目标数据之间的关系规范将关系数据从源模式转换为目标模式的问题。其中一个基本问题是如何回答针对目标数据提出的查询。虽然已经达成共识的确定性语义单调查询，这个问题变得更加困难的非单调查询。在过去的几年中，已经提出了几种非单调查询的语义。本文提出了一种新的非单调查询语义，称为GCWA * 语义。它的灵感来自演绎数据库领域的语义。我们表明，GCWA *-语义符合标准的开放世界语义的单调查询，我们进一步探讨（数据）的复杂性下的GCWA *-语义评估非单调查询。特别是，我们引入了一类模式映射的通用查询可以评估下的GCWA *-语义在多项式时间（数据复杂性）的核心的通用解决方案。
2011-09-01 cs.DB cs.LO
RASAT: Integrating Relational Structures into Pretrained Seq2Seq Model for Text-to-SQL
Shanghai Jiao Tong University（上海交通大学）；ProtagoLabs；Microsoft Research（微软研究院）；Chinese Academy of Sciences（中国科学院）；IGSNRR（中国科学院地理科学与资源研究所）
关系结构（如模式链接和模式编码）已被验证为将自然语言定性转换为SQL查询的关键组件。然而，引入这些结构关系是有代价的：它们通常会导致专门的模型结构，这在很大程度上禁止在文本到SQL中使用大型预训练模型。为了解决这个问题，我们提出了RASAT：一个Transformer seq2seq架构，增强了关系感知的自我注意力，可以利用各种关系结构，同时有效地继承T5模型的预训练参数。我们的模型可以将几乎所有类型的文献中现有的关系，此外，我们建议引入共指关系的多回合的情况下。在三个广泛使用的文本到SQL数据集上的实验结果表明，RASAT可以在所有三个基准测试中实现最先进的结果（Spider上的75.5% EX，SParC上的52.6% IEX和CoSQL上的37.4% IEX）。
2022-10-09 cs.AI cs.CL cs.DB
MoMQ: Mixture-of-Experts Enhances Multi-Dialect Query Generation across Relational and Non-Relational Databases
Zhejiang University（浙江大学）；Alibaba Group（阿里巴巴集团）
本文提出基于混合专家的 MoMQ 框架，通过方言专家组、多级路由和共享专家组提升跨关系型与非关系型数据库的多方言查询生成，并构建覆盖 MySQL、PostgreSQL、Cypher、nGQL 的基准。
2024-10-24 cs.AI cs.CL cs.DB
DBTagger: Multi-Task Learning for Keyword Mapping in NLIDBs Using Bi-Directional Recurrent Neural Networks
Bilkent University（比尔肯大学）
在关系数据库的接口中，将自然语言查询语言（NLQs）转换为结构化查询语言（SQL）是一项具有挑战性的任务，近年来在数据库界得到了广泛的研究。传统的基于规则的系统利用一系列解决方案作为流水线来处理该任务的每个步骤，即停止词过滤、标记化、词干提取/词形化、解析、标记和翻译。最近的工作主要集中在翻译步骤，忽略了早期的步骤，使用特设的解决方案。在流水线中，最关键和最具挑战性的问题之一是关键字映射;在查询中的标记和关系数据库元素（表、属性、值等）之间构建映射。我们将关键字映射问题定义为序列标记问题，并提出了一种新的基于深度学习的监督方法，该方法利用NLQs的POS标签。我们提出的方法，称为\textit{DBTagger}（数据库标记），是一个端到端和模式无关的解决方案，这使得它适用于各种关系数据库。我们在八个不同的数据集上评估了我们的方法，并报告了新的最先进的准确性结果，平均值为$92.4\%$。我们的研究结果还表明，DBTagger是快于它的同行高达$10000$倍，可扩展的更大的数据库。
2021-01-11 cs.CL cs.DB
Bridging Imperative Process Models and Process Data Queries-Translation and Relaxation
本文提出将命令式流程模型（如Petri网）翻译为松弛的SQL查询用于一致性检查，弥合流程建模与数据驱动分析之间的鸿沟，并验证了行为足迹等声明式方法的价值。
2025-10-07 cs.DB cs.SE
Incorporating Deep Learning Design in Database Queries
University of Washington（华盛顿大学）
提出一种将深度学习自然集成到数据库查询中的方法，通过为元组关联可学习的向量嵌入，使查询同时操作数据和嵌入，实现关系深度学习。
2026-05-22 cs.DB cs.LG
A Typeful Integration of SQL into Curry
我们提出了一个扩展的声明性程序设计语言咖喱，以支持通过SQL访问存储在关系数据库中的数据。由于Curry是静态类型的，因此我们对SQL集成的重点是类型安全。我们的扩展尊重Curry的类型系统，从而避免了由于不良类型数据而导致的运行时错误。这是通过在编译时预处理SQL语句并将其转换为类型安全的数据库访问操作来实现的。因此，Curry系统的类型检查器可以在编译时发现SQL语句中的类型错误。为了生成适当类型的访问操作，预处理器使用描述关系数据结构的实体关系（ER）模型。除了标准SQL之外，Curry中嵌入的SQL语句还可以包括程序表达式以及ER模型中指定的关系。后一个特性对于避免容易出错的外键使用非常有用。因此，我们的SQL集成支持对Curry程序中数据库的高级和类型安全访问。
2017-01-03 cs.DB cs.PL
A Novel Approach to Translate Structural Aggregation Queries to MapReduce Code
提出将SciDB中AQL表达的数组结构化聚合查询翻译为MapReduce作业的系统，生成代码性能比手写高10.84倍。
2025-02-01 cs.DB cs.DC
Raqlet: Cross-Paradigm Compilation for Recursive Queries
Raqlet是一个源到源编译框架，通过中间表示将Cypher、SQL/PGQ等递归查询跨关系、图和演绎范式翻译，提供统一语义基础，支持静态分析和性能优化。
2025-08-06 cs.DB cs.PL
NAT-NL2GQL: A Novel Multi-Agent Framework for Translating Natural Language to Graph Query Language
School of Data Science and Engineering, East China Normal University（华东师范大学数据科学与工程学院）；School of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
提出NAT-NL2GQL多智能体框架，通过预处理、生成和优化三个智能体协作，将自然语言翻译为图查询语言，在StockGQL和SpCQL数据集上显著优于基线方法。
2024-12-11 cs.AI cs.CL cs.DB
Believe It or Not: Adding Belief Annotations to Databases
Department of Computer Science and Engineering, University of Washington（华盛顿大学计算机科学与工程系）
我们提出了一个数据库模型，允许用户注释数据的信念声明。我们的动机来自于科学数据库应用程序，在这些应用程序中，一个用户社区正在一起工作，以组装、修改和管理一个共享数据存储库。随着社区知识的积累和数据库内容的演变，它可能包含相互冲突的信息，成员可能会对它应该存储的信息产生分歧。例如，Alice可能认为元组应该在数据库中，而Bob不同意。他还可以插入他认为Alice认为元组应该在数据库中的原因，并解释他认为正确的元组应该是什么。我们提出了一个正式的模型，信仰数据库，解释用户的信仰声明的注释。这些注释既可以引用基础数据，也可以引用其他注释。我们给出了一个形式化的语义的基础上的一个片段的多智能体认知逻辑，并定义了一个查询语言信念数据库。然后，我们证明了一个关键的技术结果，说明每个信念数据库可以被编码为一个规范的Kripke结构。我们使用这种结构来描述信念数据库的关系表示，并给出了一个算法，翻译查询的信念数据库成标准的关系查询。最后，我们报告早期的实验结果与我们的原型实现合成数据。
2009-12-30 cs.AI cs.DB
Data-Aware Socratic Query Refinement in Database Systems
本文提出数据感知式苏格拉底式引导（DASG）框架，将交互式澄清嵌入数据库系统，通过成本感知的优化决策解决自然语言查询歧义，在三个数据集上验证了查询精度提升且保持效率。
2025-08-07 cs.DB cs.IR
xDBTagger: Explainable Natural Language Interface to Databases Using Keyword Mappings and Schema Graph
University of Waterloo（滑铁卢大学）；The Central Bank of the Republic of Türkiye（土耳其共和国中央银行）；Bilkent University（比尔肯特大学）
在关系数据库接口中将自然语言查询（NLQ）转换为结构化查询语言（SQL）是一项具有挑战性的任务，已经被来自数据库和自然语言处理社区的研究人员广泛研究。已经提出了许多工作来攻击自然语言数据库接口（NLIDB）问题，无论是传统的基于流水线的解决方案还是基于端到端深度学习的解决方案。然而，无论首选的方法是什么，这种解决方案都表现出黑盒性质，这使得这些系统所针对的潜在用户难以理解为生成翻译后的SQL而做出的决策。为此，我们提出了xDBTagger，一个可解释的混合翻译管道，解释了一路上向用户的文本和视觉的决定。我们还评估xDBTagger在三个现实世界的关系数据库定量。评估结果表明，除了完全可解释，xDBTagger是有效的准确性和翻译查询更有效地相比，其他国家的最先进的基于流水线的系统高达10000倍。
2022-10-07 cs.AI cs.CL cs.DB
Interactive Text-to-SQL via Expected Information Gain for Disambiguation
针对Text-to-SQL系统在复杂数据库上因自然语言歧义而错误解释的问题，提出交互式框架，通过期望信息增益选择澄清问题，逐步消歧以生成准确SQL查询。
2025-07-09 cs.DB
Frameworks for Querying Databases Using Natural Language: A Literature Review
自然语言接口（NLI）便于用户提出查询以从数据库检索信息，而不使用诸如结构化查询语言（SQL）的任何人工语言。在包括医疗保健、客户支持和搜索引擎的各种领域中的若干应用需要精心制作具有关于文本的信息的结构化数据。此外，许多问题已经被探索，包括配置的复杂性，密集算法的处理，以及关系数据库的普及，由于将自然语言转换为数据库查询已成为一个次要的研究领域。查询系统和支持语音的界面的新兴趋势使自然语言重新进入数据库查询研究领域。上一次就该主题发布的调查是六年前的2013年。据我们所知，没有最近的研究发现，讨论了结构化和非结构化查询语言的自然语言的翻译框架的当前状态。在本文中，我们回顾了2008年至2018年的47个框架。在47个项目中，有35个与我们的工作密切相关。基于SQL的框架已被分类为统计，符号和连接主义方法。然而，基于NoSQL的框架已经被分类为语义匹配和模式匹配。然后，这些框架进行审查的基础上，他们的支持语言，他们的启发式规则，互操作性的支持，数据集范围和他们的整体性能得分的计划。调查结果表明，70%的自然语言数据库查询工作是针对SQL进行的，NoSQL分别占SPAROL，CYPHER和GREMLIN等语言的15%，10%和5%。还注意到，大多数框架仅支持英语。
2019-09-03 cs.DB
Zero-Knowledge Verifiable Graph Query Evaluation via Expansion-Centric Operator Decomposition
本文针对图数据库零知识可验证查询中电路规模过大的问题，提出以扩展为中心的操作符分解方法，将复杂图查询拆解为可组合的小规模ZKP电路，并实现ZKGraph系统，在保护数据隐私的同时显著提升运行效率和降低内存消耗。
2025-07-01 cs.DB
TensorBank: Tensor Lakehouse for Foundation Model Training
IBM Research Europe（IBM 欧洲研究院）；IBM Research（IBM 研究院）；IBM Research and Development（IBM 研究与开发中心）
本文提出 PB 级张量湖仓 TensorBank，基于分层统计索引（HSI）和 HTTP range reads 实现从云对象存储到 GPU 内存的线速张量流式传输，支持 PyTorch 数据转换，可推广至多种高维数据基础模型训练场景。
2024-03-21 cs.AI cs.DB cs.IR
ColloQL: Robust Cross-Domain Text-to-SQL Over Search Queries
Carnegie Mellon University（卡内基梅隆大学）；Salesforce Inc.（赛富时公司）；Salesforce Research（赛富时研究院）
将自然语言语句转换为可执行查询是一种很有帮助的技术，可以让更广泛的不懂技术的最终用户访问存储在关系数据库中的大量数据。这方面的先前工作主要集中在语言正确和语义明确的文本输入。然而，真实世界的用户查询通常是简洁、口语化和嘈杂的，类似于搜索引擎的输入。在这项工作中，我们引入了数据增强技术和基于采样的内容感知BERT模型（ColloQL），以实现强大的文本到SQL建模超过自然语言搜索（NLS）的问题。由于缺乏评估数据，我们策划了一个新的NLS问题数据集，并证明了我们的方法的有效性。ColloQL的卓越性能扩展到格式良好的文本，在WikiSQL数据集上实现了84.9%（逻辑）和90.7%（执行）的准确性，据我们所知，它是不使用执行引导解码的性能最高的模型。
2020-10-19 cs.AI cs.CL cs.DB
RISE: Rule-Driven SQL Dialect Translation via Query Reduction
Institute of Software at CAS, China（中国科学院软件研究所）
RISE通过查询简化技术，利用LLM实现高效准确的SQL方言翻译，显著提升翻译准确率。
2026-01-09 cs.AI cs.CL cs.DB
A Survey of Text-to-SQL in the Era of LLMs: Where are we, and where are we going?
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Renmin University of China（中国人民大学）；Tsinghua University（清华大学）
本文综述了大语言模型时代下文本到SQL技术的发展现状、核心方法及未来挑战。
2026-08-25 cs.AI cs.DB
Bridging the Gap: Enabling Natural Language Queries for NoSQL Databases through Text-to-NoSQL Translation
University of Science and Technology of China（中国科学技术大学）；Tsinghua University（清华大学）；The University of Hong Kong（香港大学）
本文研究Text-to-NoSQL任务，提出TEND基准和SAG求解器，用于将自然语言请求翻译为MongoDB聚合管道，验证了无模式文档推理的独特挑战。
2026-06-16 cs.AI cs.DB
