Despite the large number of Natural

Despite the large number of Natural Language Interfaces to Databases (NLIDB) that have been
implemented, they do not guarantee to provide a correct response in 100% of the queries. In this paper, 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. We design semantic representations in order to: a)
model any relational database schema and its relationship with the natural language and b) add metadata to
natural language words to enable our NLIDB to interpret natural language queries that contain
superlatives. We configured our NLIDB in a relational database that we migrated from Geobase and used
the Geoquery250 corpus to evaluate its performance. We compare its performance with the interfaces
ELF, Freya and NLP-Reduce. The results indicate that our proposal allowed our NLIDB to obtain the best
performance.

ผลลัพธ์ (ไทย) 1:

แม้ มีจำนวนมากของอินเทอร์เฟซภาษาธรรมชาติการฐานข้อมูล (NLIDB) ที่ได้รับดำเนินการ พวกเขาไม่ได้ให้การตอบสนองที่ถูกต้องใน 100% ของการสอบถาม ในกระดาษนี้ เราปัจจุบันวิธีการทางตรรกแบบจำลององค์ประกอบที่บูรณาการความรู้ของ NLIDB ที่ มีจุดมุ่งหมายการเพิ่มจำนวนของแบบสอบถามที่ตอบได้อย่างถูกต้อง เราออกแบบแทนตรรกเพื่อ: การ)รุ่นใด ๆ เค้าร่างฐานข้อมูลเชิงสัมพันธ์และความสัมพันธ์กับภาษาธรรมชาติและ b) เพิ่มข้อมูลเมตาการคำพูดภาษาธรรมชาติการเปิดใช้งาน NLIDB ของเราสามารถแปลภาษาธรรมชาติแบบสอบถามที่ประกอบด้วยไหม เรากำหนดของเรา NLIDB ในฐานข้อมูลเชิงสัมพันธ์ที่เราย้ายมาจาก Geobase และใช้corpus Geoquery250 เพื่อประเมินประสิทธิภาพของ เราเปรียบเทียบประสิทธิภาพการทำงาน ด้วยอินเทอร์เฟซเอลฟ์ อย่างไร Freya และ NLP-ลด ผลลัพธ์บ่งชี้ว่า ข้อเสนอของเราได้ NLIDB เราจะได้รับที่ดีสุดการทำงาน

ผลลัพธ์ (ไทย) 2:

แม้จะมีจำนวนมากของภาษาการเชื่อมต่อฐานข้อมูลธรรมชาติ (NLIDB) ที่ได้รับการ
ดำเนินการที่พวกเขาไม่ได้รับประกันว่าจะให้การตอบสนองที่ถูกต้องใน 100% ของแบบสอบถาม ในบทความนี้เราจะ
นำเสนอวิธีการสร้างแบบจำลองความหมายองค์ประกอบที่บูรณาการความรู้ของ NLIDB ที่มีจุดมุ่งหมาย
ของการเพิ่มจำนวนของคำสั่งอย่างถูกต้องตอบ เราออกแบบการแสดงความหมายเพื่อก)
รูปแบบคีมาฐานข้อมูลเชิงสัมพันธ์ใด ๆ และความสัมพันธ์กับภาษาธรรมชาติและ b) เพิ่มข้อมูลเมตาเพื่อ
คำภาษาธรรมชาติเพื่อเปิดใช้งาน NLIDB ของเราในการตีความคำสั่งภาษาธรรมชาติที่มี
ขั้นสูงสุด เรากำหนดค่า NLIDB เราในฐานข้อมูลเชิงสัมพันธ์ที่เราอพยพมาจาก GeoBase และใช้
คลัง Geoquery250 ในการประเมินผลการปฏิบัติงาน เราเปรียบเทียบประสิทธิภาพการทำงานกับอินเตอร์เฟซ
เอลฟ์เฟรยาและ NLP-ลด ผลการวิจัยพบว่าข้อเสนอของเราได้รับอนุญาต NLIDB ของเราจะได้รับสิ่งที่ดีที่สุด
ผลการดำเนินงาน

ผลลัพธ์ (ไทย) 3:

แม้จะมีจำนวนมากของอินเตอร์เฟซภาษาธรรมชาติฐานข้อมูล ( nlidb ) ที่ได้รับใช้ , พวกเขาไม่ได้รับประกันที่จะให้คำตอบที่ถูกต้อง 100 % ของแบบสอบถาม ในกระดาษนี้เราปัจจุบันทางความหมายแบบองค์ประกอบที่บูรณาการความรู้ของ nlidb กับจุดมุ่งหมายเพิ่มจำนวนได้อย่างถูกต้อง ตอบแบบสอบถาม เราออกแบบระบบตัวแทนเพื่อ : )แบบจำลองฐานข้อมูลเชิงสัมพันธ์ใด ๆรูปแบบและความสัมพันธ์ของตนกับภาษาธรรมชาติ และ B ) เพิ่มเมตาบอลิซึมภาษาธรรมชาติถ้อยคำเพื่อให้ nlidb ของเราตีความแบบสอบถามภาษาธรรมชาติที่ประกอบด้วยของ superlatives . เราแต่ง nlidb ของเราในฐานข้อมูลเชิงสัมพันธ์ที่เราอพยพมาจาก geobase และใช้การ geoquery250 คลังข้อมูลเพื่อประเมินการปฏิบัติงานของ เปรียบเทียบประสิทธิภาพกับอินเทอร์เฟซเอลฟ์ เฟรย่าและ NLP ลด ผลการศึกษาพบว่าข้อเสนอของเราได้รับอนุญาต nlidb ของเราให้ได้ดีที่สุดผลการปฏิบัติงาน