sql-create-context

מה זה

הנתונים נשענים על חיבור ועיבוד מחדש של שני מאגרים קיימים, WikiSQL ו־Spider. המטרה כאן היא לפתור בעיה ידועה של הזיות בשמות עמודות וטבלאות, ולכן כל רשומה מציגה את הסכמה המלאה דרך משפט יצירה כהקשר מקדים.

יש כאן 78,577 דוגמאות שכוללות שאלה, הקשר בדמות פקודת יצירת טבלה, והשאילתה המתאימה. המחבר השתמש בספריית SQLGlot כדי לפרק את השאילתות המקוריות, לזהות טבלאות ולנחש את סוגי הנתונים לפי שימוש באופרטורים כמו גדול וקטן או פונקציות צבירה. עמודה שלא זוהתה קיבלה ברירת מחדל של מחרוזת, ושאילתות ללא שמות מוגדרים עברו שינוי לשמות גנריים ממוספרים או שנוסף להן מזהה.

מתאים ל

• אימון מודלי שפה לשאילתות

  מלמד מודל לחבר שאילתות על בסיס סכמה נתונה בלי להמציא שמות של עמודות.

• הערכת ביצועי של מודל קיים

  בדיקת הדיוק של מודל בהבנת הקשר של סכמת נתונים ותרגומה לפקודת שליפה.

• יצירת פרומפטים מבוססי סכמה

  חילוץ דוגמאות להקשר של פקודות יצירת טבלה לצורך מתן דוגמאות בזמן אמת.

איפה זה נופל

ההסקה של סוגי הנתונים חלקית בלבד. היוצר מודה שחלק מסוגי העמודות הוגדרו כמחרוזות כברירת מחדל, וקיימים מקרים של מספרים שהפכו למחרוזות או מספרים שמשמשים כשמות עמודות. בנוסף, כל השאלות וההקשרים כתובים באנגלית בלבד. המאגר נשען כולו על תחביר כללי אחד בלי תמיכה בדיאלקטים ספציפיים של מנועי בסיסי נתונים, וללא הקשרים רחבים יותר מעבר להגדרת הטבלה הבסיסית.

איך טוענים

טוענים את המאגר ישירות מתוך Hugging Face לפי המזהה b-mc2/sql-create-context. הגישה פתוחה ואינה דורשת אישור מוקדם או מפתח פרטי. הקובץ המרכזי שמכיל את הדגימות שמור בפורמט JSON בשם sql_create_context_v4.json, לצד קובץ התיעוד. בכל רשומה יש שלושה מפתחות טקסט בלבד שצריך למפות בעת האימון: question עבור שאלת המשתמש, context עבור פקודת ה־CREATE TABLE, ו־answer עבור שאילתת היעד.

from datasets import load_dataset

ds = load_dataset("b-mc2/sql-create-context")

הרישיון

הרישיון המדווח הוא רישיון חופשי מסוג CC-BY-4.0. הרישיון מתיר שימוש מסחרי, שינוי והפצה, ואינו מחייב שיתוף באותו רישיון עבור המודל שאימנתם. הדרישה המשפטית היחידה היא מתן קרדיט וייחוס נאות ליוצר המאגר ולמקורות שעליהם הוא מבוסס.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא ב־Hugging Face ↗