Azzam, Tammam (2024) KI-basierte Generierung von SQL-Anfragen basierend auf natürlichsprachlichen Anfragen. Masters thesis, Universität Rostock.
Full text not available from this repository.Abstract
In dieser Masterarbeit wird die KI-basierte Generierung von SQL-Anfragen aus natürlichsprachlichen Anfragen untersucht. Im Mittelpunkt der Studie stehen die fortschrittlichen Tools LlamaIndex und LangChain, die im Kontext des Generative Pre-trained Transformer 4 (GPT-4) analysiert werden. Die Relevanz dieser Untersuchung ergibt sich aus der zunehmenden Bedeutung von Datenbanken in der modernen digitalen Welt und der gleichzeitig bestehenden Barriere technischer Fachkenntnisse, insbesondere im Bereich der strukturierten Abfragesprache (SQL). Durch den Einsatz von künstlicher Intelligenz (KI) und der Verarbeitung natürlicher Sprache (NLP) zielt diese Arbeit darauf ab, die Mensch-Computer-Interaktion zu vereinfachen, indem sie einen breiteren Zugang zu Datenbankinteraktionen ermöglicht und die Art und Weise, wie Informationen abgerufen und genutzt werden, revolutioniert. Die Hauptziele dieser Arbeit umfassen die eingehende Untersuchung und den Vergleich von LlamaIndex und LangChain hinsichtlich ihrer Fähigkeiten, natürlichsprachliche Anfragen in präzise SQL-Befehle umzuwandeln, sowie die Bewertung ihrer Benutzerfreundlichkeit, Leistung in unterschiedlichen Szenarien und ihre Zuverlässigkeit. Die Ergebnisse sollen Einblicke in die Praktikabilität und Effizienz von KI-gestützten Datenbankabfragetools bieten und Verbesserungsmöglichkeiten für die zukünftige Entwicklung solcher Technologien aufzeigen.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | Autorenart > Studentische Arbeiten > Masterarbeit Forschungsthemen > Anfrageoptimierung Forschungsthemen > Information Retrieval Autorenart > Studentische Arbeiten |
| Depositing User: | Dbis Admin |
| Date Deposited: | 29 Apr 2024 09:00 |
| Last Modified: | 29 Apr 2024 09:00 |
| URI: | https://eprints.dbis.informatik.uni-rostock.de/id/eprint/1107 |
Actions (login required)
 |
View Item |
