В данном исследовании модуль реляционного внимания интегрируется в предобученную модель Transformer Seq2Seq и осуществляется преобразование вопросов на естественном языке в команды извлечения на языке структурированных запросов (SQL) с помощью экспериментов на наборе данных Spider. Цель этой научной статьи состоит в том, чтобы улучшить точность и эффективность преобразования текста в SQLзапросы, используя механизм реляционного внимания в модели трансформера. Статья представляет модель RASAT (переход SQL на основе реляционного внимания), которая заменяет модуль самовращения в энкодере трансформера на модуль реляционного внимания для обработки задач текст-к-SQL. Этот подход позволяет лучше учитывать семантические связи между сущностями в тексте и генерировать более точные SQLзапросы. Методы исследования включают использование предобученной модели трансформера (T5-small) и ее обучение на наборе данных Spider с введением модуля реляционного внимания. Экспериментальные результаты показывают значительное улучшение показателей точности при преобразовании текста в SQL по сравнению с базовой моделью без реляционного компонента. Экспериментальные результаты демонстрируют, что модель RASAT улучшает производительность по показателю Exact Match на 1,82 % и точность выполнения на 3,26 %. Эти улучшения достигнуты несмотря на то, что количество эпох обучения было ограничено 500 вместо 3072 для базовой модели, что подчеркивает эффективность предложенного подхода даже при ограниченных вычислительных ресурсах. В заключение подчеркиваются перспективы дальнейшего развития метода реляционной модели для улучшения качества систем, связанных с обработкой естественного языка и базами данных.
Рассматривается роль систем поддержки принятия решений (СППР) в процессах управления организациями. Прослеживается путь СППР от простейших систем обработки данных до современных платформ. Обсуждаются ключевые принципы СППР, такие как принятие решений на основе данных, ориентация на пользователя и применение принципов системного дизайна. Рассматривается архитектура СППР, включая основные компоненты: системы управления базами данных (СУБД), системы управления моделями (СУМ), пользовательский интерфейс (UI) и компоненты управления знаниями. Анализируются типы архитектур, их преимущества, ограничения и подходы к проектированию СППР. Акцентируется внимание на применении СППР в разных секторах - от бизнеса и здравоохранения до городского планирования. В статье подчеркивается роль СППР в повышении эффективности, поддержке сложных решений и внедрению стратегических инициатив. Также рассматривается специальный тип СППР - нечеткие когнитивные карты и когнитивные системы, которые расширяют функциональность СППР путем моделирование сложных взаимосвязей и предоставление динамичных стратегий развития систем. В итоге СППР позиционируются как ключевые инструменты для управления сложными и изменяющимися аспектами современного процесса принятия решений, при этом постоянные инновации усиливают их стратегическую ценность и значимость.