PRECISE[14] is a system based on li

PRECISE[14] is a system based on light annotation of the database schema
that was tested over the Geoquery 250 corpus. PRECISE reduces semantic
analysis to a graph matching problem after the schema elements have been
named. Interestingly the system leverages a domain independent grammar to extract
attachment relationships between tokens in the user’s requests. The PRECISE
work identifies a class of so called semantically tractable queries. Although
the group did not publish the actual configuration times, they presumably corresponded
to the naming phase and thus were rather short durations. We will
forgo a discussion of the so called semantically tractable queries class and take at
face value the claim that they achieved 100% precision and 77.5% recall, yielding
a correctness of 77.5%. For such little configuration this is an impressive result
and over very simple databases with a stream of very simple queries this may
be adequate. However experience tells us that users do actually ask somewhat
complex queries at times and they will be frustrated if told that their queries
are not semantically tractable and must be rephrased or abandoned.
The PRECISE group reported a side experiment in which a student took
over 15 hours to build a Geoquery 250 NLI using Microsoft’s EnglishQuery
2 This does not address larger issues such as the limitations of the underlying formal
language nor users querying for information outside the scope of the database.
tool. The resulting system achieved rather poor results for such an expensive
effort – approximately 80% precision and 55% recall, yielding a correctness of
approximately 45%. Our limited experience with the Microsoft English query
tool was rather frustrating as well, but it would be interesting to repeat this experiment
and also see how other commercial systems such as Progress Software’s
EasyAsk and Elfsoft’s ELF fare.

ผลลัพธ์ (ไทย) 1:

แม่นยำ [14] เป็นระบบที่ใช้คำอธิบายประกอบแสงของ schema ฐานข้อมูลที่ได้รับการทดสอบผ่าน corpus Geoquery 250 แม่นยำลดทางตรรกการวิเคราะห์กราฟตรงกับปัญหาหลังจากที่องค์ประกอบเค้าร่างได้ชื่อ ที่น่าสนใจระบบกับไดรฟ์ไวยากรณ์อิสระเป็นโดเมนการแยกความสัมพันธ์ที่แนบระหว่างโทเค็นในการร้องขอของผู้ใช้ แม่นยำงานระบุแบบสอบถามทาง tractable ที่เรียกว่า ถึงแม้ว่ากลุ่มไม่เผยแพร่เวลากำหนดค่าจริง พวกเขาสันนิษฐานว่าผูกพันระยะตั้งชื่อ และมีระยะเวลาค่อนข้างสั้นจึง เราจะforgo สนทนาระดับสอบถามทาง tractable เรียกว่า และมูลค่าเรียกเคลมได้ 100% แม่นยำและ 77.5% ผลผลิตความถูกต้องของ 77.5% สำหรับการกำหนดค่าดังกล่าวน้อย นี้เป็นผลลัพธ์น่าประทับใจและผ่านฐานข้อมูลกระแสข้อมูลของแบบสอบถามง่ายมากง่ายมาก นี้อาจไม่เพียงพอ อย่างไรก็ตาม ประสบการณ์บอกเราว่า ผู้ใช้จริงขอให้ค่อนข้างแบบสอบถามที่ซับซ้อนในเวลาและพวกเขาจะผิดหวังถ้าบอกว่า แบบสอบถามของพวกเขาไม่ tractable ประโยค และต้อง rephrased หรือทิ้งกลุ่มแม่นยำรายงานการทดลองด้านนักเรียนใช้เวลากว่า 15 ชั่วโมงให้สร้าง NLI 250 Geoquery การใช้ EnglishQuery ของ Microsoft2 นี้ไม่สามารถแก้ไขปัญหาใหญ่เช่นข้อจำกัดของต้นแบบทางภาษาหรือผู้ที่สอบถามสำหรับข้อมูลภายนอกขอบเขตของฐานข้อมูลเครื่องมือ ระบบผลลัพธ์ได้ผลค่อนข้างยากจนดังกล่าวมีราคาแพงพยายาม – ประมาณ 80% ความแม่นยำและการเรียกคืน 55% ผลลัพธ์ที่ถูกต้องประมาณ 45% ประสบการณ์ของเราจำกัดกับ Microsoft ภาษาอังกฤษแบบเครื่องมือเป็นค่อนข้างน่าผิดหวังเป็นอย่างดี แต่มันจะน่าสนใจเพื่อทำซ้ำการทดลองนี้และสามารถ ดูระบบวิธีอื่น ๆ เชิงพาณิชย์เช่นความคืบหน้าของซอฟต์แวร์EasyAsk และ Elfsoft ของอัตราค่าโดยสารเอลฟ์

ผลลัพธ์ (ไทย) 2:

แม่นยำ [14] เป็นระบบที่อยู่บนพื้นฐานของคำอธิบายประกอบแสงของคีมาฐานข้อมูล
ที่ได้รับการทดสอบในช่วง Geoquery 250 คอร์ปัส แม่นยำลดความหมายของ
การวิเคราะห์เพื่อปัญหากราฟจับคู่หลังจากองค์ประกอบคีมาที่ได้รับการ
ตั้งชื่อ ที่น่าสนใจระบบยกระดับโดเมนไวยากรณ์อิสระที่จะดึง
ความสัมพันธ์ระหว่างสิ่งที่แนบมาราชสกุลในคำขอของผู้ใช้ แม่นยำ
ในการทำงานระบุระดับที่เรียกว่าคำสั่งเวไนยความหมาย แม้ว่า
กลุ่มไม่ได้ตีพิมพ์ครั้งกำหนดค่าที่แท้จริงของพวกเขาสันนิษฐานว่าตรง
ไปยังขั้นตอนการตั้งชื่อและทำให้มีระยะเวลาค่อนข้างสั้น เราจะ
ละเลยการอภิปรายของที่เรียกว่าซูฮกความหมายระดับคำสั่งและใช้เวลาที่
มูลค่าการเรียกร้องที่พวกเขาประสบความสำเร็จในความแม่นยำ 100% และ 77.5% เรียกคืนยอม
ความถูกต้องของ 77.5% ใน สำหรับการกำหนดค่าเล็ก ๆ น้อย ๆ เช่นนี้เป็นผลที่น่าประทับใจ
และฐานข้อมูลกว่าง่ายมากกับกระแสของคำสั่งที่ง่ายมากนี้อาจ
จะเพียงพอ แต่ประสบการณ์บอกเราว่าผู้ใช้ไม่จริงขอให้ค่อนข้าง
แบบสอบถามที่ซับซ้อนในบางครั้งและพวกเขาจะผิดหวังถ้าบอกว่าคำสั่งของพวกเขา
ไม่ได้เป็นซูฮกความหมายและจะต้องซักค้านหรือยกเลิก.
กลุ่มแม่นยำรายงานการทดลองด้านในซึ่งเป็นนักเรียนที่เข้ามา
นานกว่า 15 ชั่วโมง เพื่อสร้าง Geoquery 250 NLI ใช้ไมโครซอฟท์ EnglishQuery
2 นี้ไม่ได้แก้ไขปัญหาที่มีขนาดใหญ่เช่นข้อ จำกัด ของทางการพื้นฐาน
ภาษาผู้ใช้หรือสอบถามสำหรับข้อมูลที่อยู่นอกขอบเขตของฐานข้อมูล.
เครื่องมือ ระบบส่งผลให้บรรลุผลที่ค่อนข้างยากจนดังกล่าวมีราคาแพง
พยายาม - ความแม่นยำประมาณ 80% และการเรียกคืน 55% ยอมความถูกต้องของ
ประมาณ 45% ประสบการณ์ จำกัด ของเรากับไมโครซอฟท์แบบสอบถามภาษาอังกฤษ
เครื่องมือที่ค่อนข้างน่าผิดหวังเช่นกัน แต่มันจะน่าสนใจที่จะทำซ้ำการทดลองนี้
และดูว่าระบบอื่น ๆ เช่นความคืบหน้าของซอฟต์แวร์เชิงพาณิชย์
EasyAsk และอาหาร ELF Elfsoft ของ

ผลลัพธ์ (ไทย) 3:

แม่นยำ [ 14 ] เป็นระบบบนพื้นฐานของฐานข้อมูลหมายเหตุประกอบแสงที่ได้ทดสอบผ่าน geoquery 250 คลังข้อมูล ลดความหมายชัดเจนวิเคราะห์กราฟที่ตรงกับปัญหาหลังขององค์ประกอบได้รับชื่อ ทั้งนี้ ระบบไวยากรณ์ เพื่อแยกอิสระจากโดเมนสิ่งที่แนบมาความสัมพันธ์ระหว่างสัญญาณในการร้องขอของผู้ใช้ ความแม่นยำงานระบุคลาสของที่เรียกว่าเครื่องทำน้ำร้อนเพื่อสอบถาม ถึงแม้ว่ากลุ่มที่ไม่ได้เผยแพร่ครั้งการตั้งค่าที่แท้จริง พวกเขาสันนิษฐานของการตั้งชื่อเฟสจึงค่อนข้างสั้น ระยะเวลา เรา จะละเลยการสนทนาที่เรียกว่าเพื่อเรียนและใช้แบบสอบถามที่ดัดแปลงได้ง่ายค่าอ้างว่าพวกเขาได้แม่นยำ 100% และ 77.5 % จำหน้า ผลผลิตมีความถูกต้องของ 77.5 % สำหรับการปรับแต่งเล็ก ๆน้อย ๆเช่น นี่คือผลที่น่าประทับใจและฐานข้อมูลที่ง่ายมากกับกระแสของแบบสอบถามนี้ง่ายมาก อาจเป็นอย่างเพียงพอ แต่ประสบการณ์บอกเราว่า ผู้ใช้จะถามบ้างจริง ๆแบบสอบถามที่ซับซ้อนครั้งและพวกเขาจะผิดหวังถ้าบอกว่าแบบสอบถามของพวกเขาไม่ใช่เพื่อควบคุมได้ง่าย และต้องเปลี่ยนคำพูดใหม่ หรือถูกทอดทิ้งกลุ่มแม่นยำ รายงานด้านการทดลอง ซึ่งนักเรียนได้กว่า 15 ชั่วโมง เพื่อสร้าง geoquery 250 nli โดยใช้ Microsoft englishquery2 นี้ไม่ได้แก้ไขปัญหาที่มีขนาดใหญ่เช่นข้อ จำกัด ของบริษัทอย่างเป็นทางการภาษาหรือผู้ใช้ค้นหาข้อมูลภายนอกขอบเขตของฐานข้อมูลเครื่องมือ ส่งผลให้ระบบบรรลุผลค่อนข้างยากจนเพื่อแพงความแม่นยำประมาณ 80% และความพยายาม– 55% เรียกคืนได้ผลผลิตความถูกต้องประมาณ 45 % ประสบการณ์ที่ จำกัด ของเรากับ Microsoft ภาษาอังกฤษแบบสอบถามเครื่องมือค่อนข้างหงุดหงิดเช่นกัน แต่มันจะน่าสนใจที่จะทำซ้ำการทดลองนี้และยังพบว่าระบบซอฟต์แวร์เชิงพาณิชย์อื่น ๆ เช่น ความคืบหน้าของeasyask elfsoft เอลฟ์และค่าโดยสาร