구조 기반 예제 생성을 활용한 문맥 학습 기반 Text-to-SQL 기법 


52권  11호, pp. 992-1001, 11월  2025
10.5626/JOK.2025.52.11.992


PDF

  요약

문맥 학습을 활용한 거대 언어 모델은 Text-to-SQL 성능을 크게 향상시켰으나, 기존 자연어 유사도 기반 예제 선택은 SQL 구조 유사성을 보장하지 못하고 목표 SQL 쿼리와 구조적으로 유사한 예제가 없는 환경에서 성능이 저하된다. 이를 해결하기 위해 본 연구에서는 SEG-SQL을 제안한다. SEG-SQL은 자연어 질의로부터 초기 SQL을 생성하고 구조적 특성을 반영하는 힌트 벡터로 변환한다. 이후 일부 비트를 변형해 구조적으로 유사한 pseudo SQL을 생성하고, SQL-to-Text 변환을 통해 자연어 질의를 생성해 문맥 학습을 위한 Few-shot 예제로 활용한다. BIRD 벤치마크 결과, SEG-SQL은 CHESS 및 OpenSearch-SQL 대비 각각 2.5%, 3.4%의 성능 향상을 보였으며, 최고 난이도 환경에서는 각각 30.0%, 62.2% 향상을 달성하였다. 이는 SEG-SQL이 문맥 학습 기반 Text-to-SQL 정확도를 안정적으로 개선함을 입증한다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

D. Kwon, J. Moon, J. Lee, "SEG-SQL: Structure-aware Example Generation for Text-to-SQL Method with In-context Learning," Journal of KIISE, JOK, vol. 52, no. 11, pp. 992-1001, 2025. DOI: 10.5626/JOK.2025.52.11.992.


[ACM Style]

Donguk Kwon, Jaewan Moon, and Jongwook Lee. 2025. SEG-SQL: Structure-aware Example Generation for Text-to-SQL Method with In-context Learning. Journal of KIISE, JOK, 52, 11, (2025), 992-1001. DOI: 10.5626/JOK.2025.52.11.992.


[KCI Style]

권동욱, 문재완, 이종욱, "구조 기반 예제 생성을 활용한 문맥 학습 기반 Text-to-SQL 기법," 한국정보과학회 논문지, 제52권, 제11호, 992~1001쪽, 2025. DOI: 10.5626/JOK.2025.52.11.992.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr