OsmT：面向开源标签感知语言模型的面向 OpenStreetMap 查询与自然语言桥接
计算与语言
2025-12-05 v1 人工智能
数据库
摘要
在数据库社区中，将自然语言与结构化查询语言桥接是一个长期存在的挑战。虽然近期语言模型的进展在此方向展现了前景，但现有解决方案往往依赖大规模闭源模型，导致高推理成本、透明度有限且不利于轻量级部署。本文提出OsmT，一种专为桥接自然语言与Overpass Query Language(OverpassQL)——一种用于访问大规模OpenStreetMap(OSM)数据的结构化查询语言的开源标签感知语言模型。为提升生成查询的准确性和结构有效性，我们引入标签检索增强(TRA)机制，将与上下文相关的标签知识融入生成过程。该机制旨在捕捉OSM数据库中所呈现的层次性和关系依赖，解决地理空间查询构建中固有的拓扑复杂性。此外，我们定义了逆向任务OverpassQL-to-Text，即将结构化查询翻译为自然语言解释，以支持查询解释并提升用户可及性。我们在公开基准测试中对OsmT进行评估，针对强基线模型进行了一致的改进，无论是查询生成还是解释方面均表现出色。尽管使用的参数数量显著少于其他模型，OsmT仍实现了具竞争力的准确率，表明开源预训练语言模型在结构丰富的地理空间环境中桥接自然语言与结构化查询语言具有有效性。
引用
@article{arxiv.2512.04738,
title = {OsmT: Bridging OpenStreetMap Queries and Natural Language with Open-source Tag-aware Language Models},
author = {Zhuoyue Wan and Wentao Hu and Chen Jason Zhang and Yuanfeng Song and Shuaimin Li and Ruiqiang Xiao and Xiao-Yong Wei and Raymond Chi-Wing Wong},
journal= {arXiv preprint arXiv:2512.04738},
year = {2025}
}
备注
42nd IEEE International Conference on Data Engineering (ICDE)