| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Faleiros, Thiago de Paulo | - |
| dc.contributor.author | Costa Filho, Bruno Esteves Dalla | - |
| dc.identifier.citation | COSTA FILHO, Bruno Esteves Dalla. An embedding-assisted prompt-engineering approach for translating natural language text to cypher query language using a small-sized large language model. 2024. 11 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) — Universidade de Brasília, Brasília, 2024. | pt_BR |
| dc.description | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2024. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Linguagem natural | pt_BR |
| dc.subject.keyword | Banco de dados | pt_BR |
| dc.title | An embedding-assisted prompt-engineering approach for translating natural language text to cypher query language using a small-sized large language model | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2024-08-22T11:35:18Z | - |
| dc.date.available | 2024-08-22T11:35:18Z | - |
| dc.date.submitted | 2024-01-29 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/39633 | - |
| dc.language.iso | Inglês | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
| dc.description.abstract1 | This article explores the domain of natural language
translation to Cypher Query Language within the context of
graph databases, focusing on the task of Text-to-CQL conversion.
Leveraging a small 7-billion-parameter language model, we investigate
the impact of prompt-engineering techniques on language
model performance. Our experiments reveal insights into the
effectiveness of different approaches, including Execution-Based
Self-Consistency and Embedding-Assisted Few-Shot prompting.
Additionally, we introduce a small annotated dataset constructed
from official publications of a Brazilian government gazette.
The results demonstrate that the Embedding-Assisted approach
significantly enhances the accuracy of the small model, achieving
an average result of 55.36%. When combined with Execution-
Based Self-Consistency, the approach showcases consistent improvements,
leading to an average result of 58.69%. Moreover,
a comparative analysis with a larger 70-billion-parameter model
achieved a result of 48.88%, emphasizing the efficiency gains
achievable with the smaller model. The findings underscore
the significance of prompt engineering in enhancing language
generation capabilities for Text-to-CQL tasks, providing valuable
insights for natural language interactions with graph databases.
The study contributes to the evolving field of natural language
translation to query languages and guides prompt-engineering
techniques for efficient and accurate interactions with graph
databases. | pt_BR |
| Aparece na Coleção: | Ciência da Computação
|
