SUQL: Conversational Search over Structured and Unstructured Data with Large Language Models

本文介绍了一种名为SUQL（Structured and Unstructured Query Language）的结构化和非结构化查询语言，它是第一个自然覆盖结构化和非结构化数据查询组合的正式可执行表示。具体而言，它通过增加几个自由文本原语来扩充SQL，形成了精确、简洁和表达力强的表示。本文还介绍了一种基于大语言模型的对话式搜索代理，包括一个few-shot上下文语义解析器来解析SUQL。 为了验证我们的方法，我们介绍了一个由众包问题和关于真实餐厅的对话组成的数据集。数据集中超过51%的问题需要同时使用结构化和非结构化数据，表明这是一个常见现象。我们展示了基于SUQL的few-shot对话代理在89.3%的情况下能够找到满足所有用户要求的实体，而一个强大且常用的基线只有65.0%的成功率。

论文试图解决如何构建一个对混合结构化和非结构化数据源都能进行自然语言对话的查询语言和搜索代理的问题，并验证其有效性。

论文提出了一种名为SUQL的查询语言，它是在SQL的基础上增加了几个自由文本原语，以形成一个精确、简洁和表达力强的表示。同时，论文还提出了一种基于大型语言模型的对话式搜索代理，并使用一个包含真实餐厅问题和对话的数据集验证了该方法的有效性。

该论文的亮点包括：1. 提出了一种新的查询语言SUQL，能够自然地涵盖结构化和非结构化数据查询的组合。2. 提出了一种基于大型语言模型的对话式搜索代理，并使用真实餐厅问题和对话的数据集验证了其有效性。3. 实验结果表明，基于SUQL的对话式搜索代理在满足用户需求的实体方面的准确率比常用基线高。4. 该论文使用的数据集已经公开发布，可供其他研究者使用。

最近的相关研究包括：1. 基于自然语言的数据库查询研究，如Seq2SQL和Spider等。2. 结构化查询语言的扩展研究，如SQL+Natural Language和SQL+Regex等。3. 对话式搜索代理的研究，如BERT和GPT等。