NAT-NL2GQL：面向自然语言到图查询语言的新型多智能体框架
计算与语言
2024-12-17 v1 人工智能
数据库
摘要
大型语言模型（LLM）的出现在不仅限于传统自然语言处理（NLP）任务的众多领域产生了革命性的变革。最近，越来越多的研究聚焦于将 LLM 应用于数据库领域，而作为典型的非关系型数据库，LLM 在图数据库研究中的应用自然获得了显著关注。近期的研究努力日益关注利用 LLM 将自然语言翻译为图查询语言（NL2GQL）。尽管已有一些进展，但这些方法存在明显局限性，例如过度依赖简化的流程，往往忽视了 LLM 在解决复杂 NL2GQL 挑战时能够自主规划并与其他 LLM 协作的潜力。为此，我们提出了 NAT-NL2GQL，一个新颖的用于将自然语言翻译为图查询语言的多智能体框架。具体而言，我们的框架由三个协同智能体组成：预处理智能体、生成智能体和精炼智能体。预处理智能体负责管理数据处理任务，包括实体识别、查询改写、路径链接以及查询相关模式提取。生成智能体是一个在 NL-GQL 数据上微调的 LLM，负责根据查询及其相关模式生成相应的 GQL 语句。精炼智能体负责根据 GQL 执行结果获取的错误信息对 GQL 或上下文进行精炼。鉴于目前缺乏基于 nGQL 语法的高质量开源 NL2GQL 数据集，我们开发了 StockGQL，这是一个来自金融市场图数据库构建的数据集。实验结果表明，在 StockGQL 和 SpCQL 数据集上，我们的方法显著优于基线方法，凸显了其在推动 NL2GQL 研究方面的潜力。
引用
@article{arxiv.2412.10434,
title = {NAT-NL2GQL: A Novel Multi-Agent Framework for Translating Natural Language to Graph Query Language},
author = {Yuanyuan Liang and Tingyu Xie and Gan Peng and Zihao Huang and Yunshi Lan and Weining Qian},
journal= {arXiv preprint arXiv:2412.10434},
year = {2024}
}
备注
12 pages,6 figures