we present a way of semantic modell

we present a way of semantic modelling the elements that integrate the knowledge of a NLIDB, with the aim of
increasing the number of correctly-answered queries. To model the knowledge, we designed semantic representations in the
Ontology Web Language (OWL) in order to: a) model any relational database schema and its relationship with the natural
language, which it allows interpreting natural language queries and generating the corresponding SQL queries and b) add
metadata to natural language words to enable our NLIDB to interpret natural language queries that integrate superlatives, which
allows to increase the linguistic coverage of our NLIDB. In order to make the knowledge customization in our NLIDB easy for
the user, we implemented these semantic representations in a Customization Module (CM). To assess the performance of our

NLIDB, we configured it in a relational database that we migrated from Geobase and we used the Geoquery250 corpus [4, 5].
We compared its performance with the interfaces, ELF, Freya and NLP-Reduce. The results indicate that our proposal allowed
our NLIDB to obtain the best performance.
This paper is structured as follows: Section 2 presents related works; section 3 describes the design of the semantic
representations used to model the knowledge of our NLIDB; section 4 shows the description of the CM; section 5 provides an
example of the use of the semantic representations; section 6 presents the experimental results and section 7 presents the
conclusions drawn from this research.

ผลลัพธ์ (ไทย) 1:

เรานำเสนอวิธีการทางตรรกแบบจำลององค์ประกอบที่รวมความรู้ของ NLIDB จุดมุ่งหมายของการเพิ่มจำนวนของแบบสอบถามที่ตอบได้อย่างถูกต้อง ความรู้ แบบเราออกแบบแทนความหมายในการเว็บภาษาภววิทยา (ฮูก) เพื่อ: การ) รุ่นใด ๆ เค้าร่างฐานข้อมูลเชิงสัมพันธ์และความสัมพันธ์กับธรรมชาติภาษา ซึ่งจะช่วยให้ล่ามสอบถามภาษาธรรมชาติ และการสร้างแบบสอบถาม SQL ที่สอดคล้องกันและ b) เพิ่มข้อมูลเมตาการคำภาษาธรรมชาติการเปิดใช้งาน NLIDB ของเราสามารถแปลภาษาธรรมชาติแบบสอบถามที่รวมไหม ซึ่งช่วยเพิ่มความครอบคลุมภาษาศาสตร์ของ NLIDB ของเรา เพื่อให้การปรับแต่งความรู้ใน NLIDB ของเราง่ายผู้ใช้ เราใช้แทนความหมายเหล่านี้ในการปรับแต่งโมดูล (ซม.) การประเมินการปฏิบัติของเราNLIDB เรากำหนดค่าในฐานข้อมูลเชิงสัมพันธ์ที่เราย้ายจาก Geobase และเราใช้ corpus Geoquery250 [4, 5]เราเปรียบเทียบประสิทธิภาพกับอินเตอร์เฟซ เอลฟ์ อย่างไร Freya และ ลด NLP ผลลัพธ์บ่งชี้ว่า ข้อเสนอของเราได้รับอนุญาตNLIDB ของเราจะได้รับประสิทธิภาพสูงสุดกระดาษนี้มีโครงสร้างเป็นดังนี้: ส่วนที่ 2 นำเสนอผลงานที่เกี่ยวข้อง ส่วนที่ 3 อธิบายการออกแบบของที่ทางตรรกแทนใช้แบบจำลองความรู้ของ NLIDB ของเรา ส่วนที่ 4 แสดงคำอธิบายของ CM ส่วนที่ 5 แสดงการตัวอย่างของการใช้แทนความหมาย ส่วนที่ 6 การนำเสนอผลการทดลอง และส่วนที่ 7 นำเสนอการข้อสรุปจากงานวิจัยนี้

ผลลัพธ์ (ไทย) 2:

เรานำเสนอวิธีการสร้างแบบจำลองความหมายองค์ประกอบที่บูรณาการความรู้ของ NLIDB โดยมีจุดมุ่งหมายของ
การเพิ่มจำนวนของคำสั่งอย่างถูกต้องตอบ กับรูปแบบความรู้ที่เราได้ออกแบบการแสดงความหมายใน
อภิปรัชญาเว็บภาษา (นกฮูก) เพื่อที่จะก) รูปแบบคีมาฐานข้อมูลใด ๆ ที่สัมพันธ์และความสัมพันธ์กับธรรมชาติ
ภาษาซึ่งจะช่วยให้การตีความคำสั่งภาษาธรรมชาติและสร้างแบบสอบถาม SQL ที่สอดคล้องกันและ ข) เพิ่ม
เมตาดาต้ากับคำภาษาธรรมชาติเพื่อเปิดใช้งาน NLIDB ของเราในการตีความคำสั่งภาษาธรรมชาติที่รวมขั้นสูงสุดซึ่ง
จะช่วยให้การเพิ่มความคุ้มครองของภาษา NLIDB ของเรา เพื่อที่จะทำให้การปรับแต่งความรู้ใน NLIDB ของเราง่ายสำหรับ
ผู้ใช้ที่เราดำเนินการแสดงความหมายเหล่านี้ในการปรับแต่ง Module (CM) เพื่อประเมินประสิทธิภาพการทำงานของเรา

NLIDB เรากำหนดค่าไว้ในฐานข้อมูลเชิงสัมพันธ์ที่เราอพยพมาจาก GeoBase และเราใช้ Geoquery250 คลัง [4, 5].
เราเมื่อเทียบกับประสิทธิภาพการทำงานกับอินเตอร์เฟซ, เอลฟ์เฟรยาและ NLP-ลด ผลการวิจัยพบว่าข้อเสนอของเราได้รับอนุญาต
NLIDB ของเราเพื่อให้ได้ประสิทธิภาพที่ดีที่สุด.
กระดาษนี้มีโครงสร้างดังนี้ส่วนที่ 2 นำเสนอผลงานที่เกี่ยวข้อง ส่วนที่ 3 อธิบายการออกแบบของความหมาย
การแสดงที่ใช้ในการจำลองความรู้ของ NLIDB ของเรา; ส่วนที่ 4 แสดงให้เห็นรายละเอียดของ CM นั้น มาตรา 5 ให้เป็น
ตัวอย่างของการใช้การเป็นตัวแทนความหมาย; มาตรา 6 นำเสนอผลการทดลองและมาตรา 7 นำเสนอ
ข้อสรุปมาจากการวิจัยครั้งนี้

ผลลัพธ์ (ไทย) 3:

เราได้เสนอวิธีการทางตรรกแบบองค์ประกอบที่บูรณาการความรู้ของ nlidb กับจุดมุ่งหมายของเพิ่มจำนวนได้อย่างถูกต้อง ตอบแบบสอบถาม รูปแบบความรู้ที่เราได้ออกแบบภาพในความหมายเว็บภาษาอภิปรัชญา ( นกฮูก ) เพื่อ : ) รุ่นใด ๆของฐานข้อมูลเชิงสัมพันธ์และความสัมพันธ์กับธรรมชาติภาษาซึ่งจะช่วยให้การค้นหาภาษาธรรมชาติและการสร้างแบบสอบถาม SQL ที่สอดคล้องกันและ b ) เพิ่มข้อมูลคำพูดภาษาธรรมชาติเพื่อให้ nlidb ของเราตีความภาษาธรรมชาติแบบสอบถามที่รวมของ superlatives ซึ่งช่วยให้เพิ่มความคุ้มครองของภาษาศาสตร์ nlidb ของเรา เพื่อให้ความรู้ในการปรับแต่ง nlidb ของเราได้ง่ายผู้ใช้ เราดำเนินการเป็นตัวแทนความหมายเหล่านี้ในการปรับแต่งโมดูล ( cm ) เพื่อประเมินประสิทธิภาพของของเราnlidb เรากําหนดไว้ในฐานข้อมูลเชิงสัมพันธ์ที่เราอพยพมาจาก geobase และเราใช้ geoquery250 คอร์ปัส [ 4 , 5 ]เราเทียบประสิทธิภาพกับอินเตอร์เฟซ , เอลฟ์ เฟรย่าและ NLP ลด ผลการศึกษาพบว่าข้อเสนอของเราที่ได้รับอนุญาตnlidb ของเราเพื่อให้ได้ประสิทธิภาพที่ดีที่สุดกระดาษนี้มีโครงสร้าง ดังนี้ ส่วนที่ 1 นำเสนอผลงานที่เกี่ยวข้อง ; ส่วนที่ 3 อธิบายถึงการออกแบบของความหมายภาพที่ใช้รูปแบบความรู้ของ nlidb ของเรา ส่วนที่ 4 แสดงรายละเอียดของมาตรา 5 ให้ซม.ตัวอย่างของการใช้ตัวแทนความหมาย ; มาตรา 6 ได้นำเสนอผลการทดลอง และมาตรา 7 เสนอข้อสรุปที่ได้จากงานวิจัยนี้