A MATHEMATICAL AND ALGORITHMIC APPROACH TO THE DEVELOPMENT OF AN INTELLIGENT TEXT-TO-SQL SYSTEM BASED ON LARGE LANGUAGE MODELS

Аннотация

В статье рассматривается задача разработки математического и алгоритмического обеспечения интеллектуальной системы Text-to-SQL, предназначенной для автоматического преобразования пользовательских запросов на естественном языке в SQL-запросы к реляционным базам данных. Актуальность исследования обусловлена ростом объемов структурированных данных и необходимостью повышения доступности аналитических инструментов для пользователей, не обладающих глубокими знаниями языка SQL. Предложена формальная постановка задачи Text-to-SQL как отображения между естественно-языковым запросом, схемой базы данных, контекстом предметной области и результирующим SQL-запросом. Рассмотрена математическая модель реляционной схемы, пользовательского запроса, семантического поиска релевантного контекста и критерия корректности сгенерированного SQL-запроса. Разработана обобщенная архитектура интеллектуальной системы, объединяющая большие языковые модели, технологию Retrieval-Augmented Generation и агентный механизм самокоррекции ошибок. Представлен алгоритм функционирования системы, включающий анализ запроса, извлечение релевантных элементов схемы базы данных, генерацию SQL-запроса, его выполнение, верификацию и автоматическое исправление ошибок. Показано, что комбинирование LLM, RAG и агентного подхода позволяет повысить точность, адаптивность и практическую применимость Text-to-SQL систем в корпоративной аналитике.