NL2KQL: From Natural Language to Kusto Query

数据的规模和复杂度正在迅速增长。精通数据库查询语言对于制定有效的查询至关重要。随着编码助手越来越普遍，增强数据库查询语言的机会也越来越大。Kusto查询语言（KQL）是一种广泛用于大型半结构化数据（如日志、遥测和时间序列）的查询语言，用于大数据分析平台。本文介绍了一种创新的框架NL2KQL，该框架使用大语言模型（LLM）将自然语言查询（NLQ）转换为KQL查询。所提出的NL2KQL框架包括几个关键组件：模式细化器，它将模式缩小到最相关的元素；Few-shot选择器，它从少量训练数据集中动态选择相关示例；查询细化器，它修复KQL查询中的语法和语义错误。此外，本研究概述了一种生成特定数据库上下文中有效的大量合成NLQ-KQL对数据集的方法。为验证NL2KQL的性能，我们利用一系列基于查询执行和基于查询解析的在线和离线度量标准。通过消融研究，检查每个框架组件的重要性，并公开可用于基准测试的数据集。这项工作是首屈一指的，与现有基线进行比较以证明其有效性。

NL2KQL: 自然语言查询到Kusto查询语言的转换

使用大型语言模型将自然语言查询转换为Kusto查询语言，通过Schema Refiner、Few-shot Selector和Query Refiner等组件优化转换效果

论文提出了NL2KQL框架，可以将自然语言查询转换为Kusto查询语言，并且使用了大量的实验验证了其有效性，同时还提供了数据集和代码

最近的相关研究包括使用神经网络进行自然语言查询到SQL查询语言的转换，如Seq2SQL和SQLNet等