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编写有效的查询至关重要。随着编码助手的普及，增强数据库查询语言的机会也越来越大。Kusto查询语言（KQL）是一种广泛使用的查询语言，用于大型半结构化数据，例如日志、遥测和时间序列，用于大数据分析平台。本文介绍了一种创新的框架NL2KQL，该框架使用大型语言模型（LLMs）将自然语言查询（NLQs）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，它动态选择来自少量样本数据集的相关示例；查询细化器，它修复KQL查询中的语法和语义错误。此外，本研究还概述了一种生成合法的大规模合成NLQ-KQL对的方法，这些对在特定数据库上下文中是有效的。为了验证NL2KQL的性能，我们利用一系列在线（基于查询执行）和离线（基于查询解析）指标。通过消融研究，检验了每个框架组件的重要性，并公开了用于基准测试的数据集。这项工作是首次尝试，并与现有基线进行比较以证明其有效性。

将自然语言查询转换为KQL查询的自动化问题

使用大型语言模型将自然语言查询转换为KQL查询，并通过Schema Refiner、Few-shot Selector和Query Refiner等组件进行优化和修复

NL2KQL框架包括多个组件以提高性能，通过在线和离线指标验证了其有效性，提供了用于基准测试的数据集，该工作是首个解决自然语言查询转换为KQL查询的自动化问题的工作

与本文相关的研究包括使用神经网络的自然语言查询到SQL查询的自动化转换，以及使用深度学习进行自然语言查询到SPARQL查询的转换