A Community-driven Hub for High-Quality Text2Cypher Benchmarks and Resources
यह शोध पत्र Text2Cypher-Hub को प्रस्तुत करता है, जो एक समुदाय-संचालित मंच है जो तीन क्यूरेटेड, डोमेन-विशिष्ट बेंचमार्क जारी करके और डेटासेट, मॉडल एवं टूल साझा करने के लिए एक मानकीकृत रजिस्ट्री स्थापित करके, प्राकृतिक भाषा को साइफर (Cypher) क्वेरी में अनुवादित करने के लिए उच्च-गुणवत्ता वाले मूल्यांकन संसाधनों की कमी को संबोधित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक दुनिया में, विशाल मात्रा में जानकारी सरल सूचियों के बजाय जटिल नेटवर्क में संग्रहीत की जाती है। एक ऐसी लाइब्रेरी के बारे में सोचें जहाँ हर किताब उस हर किताब से जुड़ी हुई है जिसका वह उल्लेख करती है, हर लेखक से, और हर उस विषय से जिसे वह कवर करती है, जो ज्ञान का एक उलझा हुआ जाल बनाता है। प्रॉपर्टी ग्राफ इसी तरह काम करते हैं: वे चीजों के बीच संबंधों को मैप करते हैं, जैसे कि एक विशिष्ट जीन किसी बीमारी से कैसे संबंधित है, या एक बैंक खाता वित्तीय लेनदेन की एक श्रृंखला से कैसे जुड़ता है। हालाँकि ये संरचनाएँ डेटा संग्रहीत करने के लिए शक्तिशाली हैं, लेकिन इनसे प्रश्न पूछना कठिन है। उत्तर प्राप्त करने के लिए, एक मनुष्य को एक बहुत ही विशिष्ट, कठोर कंप्यूटर भाषा बोलनी होगी जिसे 'साइफर' (Cypher) कहा जाता है, जिसके लिए यह जानना आवश्यक है कि डेटा वास्तव में कैसे व्यवस्थित है। यह उन विशेषज्ञों के लिए एक बाधा उत्पन्न करता है जो विषय को समझते हैं—जैसे कि एक जीवविज्ञानी या वित्तीय विश्लेषक—लेकिन डेटाबेस की भाषा नहीं जानते।
Text2Cypher कार्य का लक्ष्य इस अंतर को पाटना है ताकि लोग साधारण अंग्रेजी में प्रश्न पूछ सकें और कंप्यूटर उन प्रश्नों को सही साइफर निर्देशों में अनुवादित कर सके। लार्ज लैंग्वेज मॉडल्स (LLMs), वही प्रकार की कृत्रिम बुद्धिमत्ता जो निबंध लिख सकती है या लोगों से चैट कर सकती है, इस अनुवाद को करने में आशाजनक परिणाम दिखा चुकी है। हालाँकि, इन मॉडल्स के प्रभावी ढंग से सीखने के लिए और शोधकर्ताओं को यह जानने के लिए कि क्या वे वास्तव में बेहतर हो रहे हैं, उन्हें उच्च गुणवत्ता वाली अभ्यास सामग्री की आवश्यकता होती है। अब तक, इस क्षेत्र में इन सामग्रियों को खोजने के लिए एक साझा, संगठित स्थान की कमी थी, और कई मौजूदा अभ्यास सेट या तो बहुत सरल थे या मशीनों द्वारा इस तरह से बनाए गए थे जो वास्तविक मानवीय जिज्ञासा को प्रतिबिंबित नहीं करते थे।
मिलान विश्वविद्यालय के शोधकर्ताओं की एक टीम ने एक नया कम्युनिटी हब बनाकर और इन अनुवाद प्रणालियों को प्रशिक्षित और परीक्षण करने के लिए तीन उच्च-गुणवत्ता वाले डेटासेट जारी करके इस समस्या का समाधान किया है। उन्होंने 'Text2Cypher-Hub' नामक एक प्लेटफॉर्म बनाया, जो एक केंद्रीय निर्देशिका के रूप में कार्य करता है जहाँ शोधकर्ता अपने डेटा, कोड और परिणाम साझा कर सकते हैं, बिना सभी को एक ही स्थान पर फाइलें स्टोर करने के लिए मजबूर किए। केवल डेटा एकत्र करने के बजाय, टीम ने गुणवत्ता पर ध्यान केंद्रित किया। उन्होंने प्राकृतिक भाषा के प्रश्नों और उनके अनुरूप कंप्यूटर क्वेरी के 6,500 जोड़ेों को मैन्युअल रूप से तैयार किया, जो तीन बहुत ही अलग दुनियाओं को कवर करते हैं: माइक्रोआरएनए (microRNA) और जीन की जटिल जीव विज्ञान, ऑनलाइन ट्रोल के बारे में एक विशिष्ट जांच से जुड़े सोशल मीडिया पोस्ट का अराजक प्रवाह, और धोखाधड़ी का पता लगाने के लिए उपयोग किए जाने वाले वित्तीय लेनदेन का जटिल जाल।
शोधकर्ताओं ने इन प्रश्नों को उत्पन्न करने के लिए केवल कंप्यूटर का उपयोग नहीं किया। उन्होंने यह सुनिश्चित करने के लिए एक कठोर, बहु-चरणीय मानव प्रक्रिया का उपयोग किया कि प्रत्येक जोड़ा सटीक हो। सबसे पहले, एक डेवलपर जो विशिष्ट डेटाबेस से परिचित था, उसने एक यथार्थवादी प्रश्न लिखा जिसे एक वास्तविक विशेषज्ञ पूछ सकता था। फिर, उन्होंने उस प्रश्न का उत्तर देने के लिए आवश्यक सटीक कंप्यूटर क्वेरी तैयार की। एक डेटाबेस विशेषज्ञ ने जाँच की कि क्या क्वेरी बिना किसी त्रुटि के वास्तव में चलेगी, और अंत में, एक डोमेन विशेषज्ञ—जिसके पास जीव विज्ञान, सोशल मीडिया या वित्त का गहरा ज्ञान है—ने सत्यापित किया कि कंप्यूटर द्वारा दिया गया उत्तर मूल प्रश्न के इरादे से वास्तव में मेल खाता है या नहीं। इस सावधानीपूर्वक मानव निरीक्षण ने यह सुनिश्चित किया कि प्रश्न केवल एक कठोर टेम्पलेट का पालन करने के बजाय वास्तविक सूचना संबंधी आवश्यकताओं को कैप्चर करें।
परिणामस्वरूप बने बेंचमार्क, जिन्हें bio2C, twt2C और fin2C नाम दिया गया है, कठिनाई की एक विस्तृत श्रृंखला को कवर करते हैं। कुछ प्रश्न सरल तथ्यों के बारे में पूछते हैं, जैसे कि एक विशिष्ट खाता धारक को खोजना। अन्य जटिल तर्क की मांग करते हैं, जैसे कि कई बैंकों में धन के हस्तांतरण की श्रृंखला का पता लगाना या जैविक नेटवर्क के माध्यम से बीमारी फैलने के पैटर्न की पहचान करना। शोधकर्ताओं ने इन डेटासेट्स को विभिन्न कृत्रिम बुद्धिमत्ता मॉडल्स में फीड करके इनका परीक्षण किया। उन्होंने पाया कि सबसे अच्छे परिणाम तब मिले जब मॉडल्स को न केवल प्रश्न दिया गया, बल्कि समान प्रश्नों और उत्तरों के कुछ उदाहरण, और डेटाबेस संरचना का एक मानचित्र भी दिया गया। दिलचस्प बात यह है कि उपकरणों का सबसे प्रभावी संयोजन डेटा के प्रकार के आधार पर भिन्न होता था; जो वित्तीय डेटा के लिए सबसे अच्छा काम कर रहा था, वह हमेशा जैविक डेटा के लिए सबसे अच्छा नहीं था।
यह कार्य सुझाव देता है कि जबकि कृत्रिम बुद्धिमत्ता मानव भाषा को डेटाबेस कमांड में अनुवाद करने में बेहतर हो रही है, भविष्य का मार्ग काफी हद तक प्रशिक्षण सामग्री की गुणवत्ता पर निर्भर करता है। नया हब इन सामग्रियों को साझा करने के लिए एक मानकीकृत तरीका प्रदान करता है, जिससे यह सुनिश्चित होता है कि भविष्य के सिस्टम की निष्पक्ष रूप से तुलना की जा सके। इन संसाधनों को उपलब्ध कराकर, शोधकर्ताओं ने अधिक विश्वसनीय उपकरणों के लिए एक आधार तैयार किया है जो अंततः वैज्ञानिकों और विश्लेषकों को केवल अपने शब्दों का उपयोग करके जटिल डेटा नेटवर्क का पता लगाने में सक्षम बनाएंगे, जिससे एक विशेष कोडिंग भाषा सीखने की आवश्यकता समाप्त हो जाएगी।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।