{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3336431"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3336431","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Verbalising Query Results to Text","abstract":"Η δημοκρατικοποίηση των βάσεων δεδομένων επικεντρώνεται στο να γίνουν οι βάσεις δεδομένων διαθέσιμες σε χρήστες που δεν έχουν γνώσεις ή επαφή με γλώσσες επερωτήσεων. Προς αυτή την κατεύθυνση έχει δοθεί ήδη πολύ προσπάθεια στην επίλυση 2 προβλημάτων: Text-to-SQL που επικεντρώνεται στην μετάφραση φυσικής γλώσσας σε SQL και SQL- to-Text που επιλύει το αντίστροφο πρόβλημα. Όμως, ένα πρόβλημα για το οποίο δεν έχει προταθεί λύση ακόμα είναι η εξήγηση των αποτελεσμάτων των επερωτήσεων σε φυσική γλώσσα. Πρώτα ορίζουμε το πρόβλημα Query Results-to-Text ως: δωσμένων των αποτελεσμάτων ενός επερωτήματος, παράγουμε φυσική γλώσσα που περιγράφει τα αποτελέσματα. Προτείνουμε την χρήση προ-εκπαίδευσης του μοντέλου χρησιμοποιώντας δεδομένα πινάκων από τον πραγματικό κόσμο με σκοπό την κατανόηση των πινάκων. Δεύτερον, προτείνουμε ένα βήμα προεπεξεργασίας του επερωτήματος ώστε τα αποτελέσματα, που είναι η είσοδος του μοντέλου μας, να περιέχουν επιπρόσθετα χαρακτηριστικά και οδηγούν σε πιο πλούσιες λεξικοποιήσεις. Τέλος δημιουργούμε δύο Query Results-to-Text Benchmarks, τα οποίο έιναι τα πρώτα σύνολα δεδομένων που περιέχουν αποτελέσματα επερωτήσεων για τελική εκπαίδευση αλλά και για αξιολόγηση του μοντέλου.","abstract_html":"Η δημοκρατικοποίηση των βάσεων δεδομένων επικεντρώνεται στο να γίνουν οι βάσεις δεδομένων διαθέσιμες σε χρήστες που δεν έχουν γνώσεις ή επαφή με γλώσσες επερωτήσεων. Προς αυτή την κατεύθυνση έχει δοθεί ήδη πολύ προσπάθεια στην επίλυση 2 προβλημάτων: Text-to-SQL που επικεντρώνεται στην μετάφραση φυσικής γλώσσας σε SQL και SQL- to-Text που επιλύει το αντίστροφο πρόβλημα. Όμως, ένα πρόβλημα για το οποίο δεν έχει προταθεί λύση ακόμα είναι η εξήγηση των αποτελεσμάτων των επερωτήσεων σε φυσική γλώσσα. Πρώτα ορίζουμε το πρόβλημα Query Results-to-Text ως: δωσμένων των αποτελεσμάτων ενός επερωτήματος, παράγουμε φυσική γλώσσα που περιγράφει τα αποτελέσματα. Προτείνουμε την χρήση προ-εκπαίδευσης του μοντέλου χρησιμοποιώντας δεδομένα πινάκων από τον πραγματικό κόσμο με σκοπό την κατανόηση των πινάκων. Δεύτερον, προτείνουμε ένα βήμα προεπεξεργασίας του επερωτήματος ώστε τα αποτελέσματα, που είναι η είσοδος του μοντέλου μας, να περιέχουν επιπρόσθετα χαρακτηριστικά και οδηγούν σε πιο πλούσιες λεξικοποιήσεις. Τέλος δημιουργούμε δύο Query Results-to-Text Benchmarks, τα οποίο έιναι τα πρώτα σύνολα δεδομένων που περιέχουν αποτελέσματα επερωτήσεων για τελική εκπαίδευση αλλά και για αξιολόγηση του μοντέλου.","abstract_has_math":false,"creators":["ΞΥΔΑΣ ΜΙΧΑΗΛ","XYDAS MICHAIL"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:22:54Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3336431"],"render_values":[{"text":"uoadl:3336431","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3336431","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3336431","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3336431","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΞΥΔΑΣ ΜΙΧΑΗΛ","XYDAS MICHAIL"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3336431","https://pergamos.lib.uoa.gr/uoa/dl/object/3336431"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η δημοκρατικοποίηση των βάσεων δεδομένων επικεντρώνεται στο να γίνουν οι βάσεις δεδομένων διαθέσιμες σε χρήστες που δεν έχουν γνώσεις ή επαφή με γλώσσες επερωτήσεων. Προς αυτή την κατεύθυνση έχει δοθεί ήδη πολύ προσπάθεια στην επίλυση 2 προβλημάτων: Text-to-SQL που επικεντρώνεται στην μετάφραση φυσικής γλώσσας σε SQL και SQL- to-Text που επιλύει το αντίστροφο πρόβλημα. Όμως, ένα πρόβλημα για το οποίο δεν έχει προταθεί λύση ακόμα είναι η εξήγηση των αποτελεσμάτων των επερωτήσεων σε φυσική γλώσσα. Πρώτα ορίζουμε το πρόβλημα Query Results-to-Text ως: δωσμένων των αποτελεσμάτων ενός επερωτήματος, παράγουμε φυσική γλώσσα που περιγράφει τα αποτελέσματα. Προτείνουμε την χρήση προ-εκπαίδευσης του μοντέλου χρησιμοποιώντας δεδομένα πινάκων από τον πραγματικό κόσμο με σκοπό την κατανόηση των πινάκων. Δεύτερον, προτείνουμε ένα βήμα προεπεξεργασίας του επερωτήματος ώστε τα αποτελέσματα, που είναι η είσοδος του μοντέλου μας, να περιέχουν επιπρόσθετα χαρακτηριστικά και οδηγούν σε πιο πλούσιες λεξικοποιήσεις. Τέλος δημιουργούμε δύο Query Results-to-Text Benchmarks, τα οποίο έιναι τα πρώτα σύνολα δεδομένων που περιέχουν αποτελέσματα επερωτήσεων για τελική εκπαίδευση αλλά και για αξιολόγηση του μοντέλου.","Database democratization focuses on making databases accessible to non-expert users that are not familiar with database query languages like SQL. In this direction, a lot of effort has already been put into two problems: Text-to-SQL, which focuses on translating a natural language query to SQL, and SQL-to-Text, which is the inverse problem. However, work has lagged behind in explaining query results in natural language. We first define the Query Results-to-Text problem as: given the results of a query, produce a natural language verbalisation describing these results. Then we attempt solving Query Results-to-Text by defining a model, namely QR2T. We propose pretraining QR2T using real-world table datasets focusing on table understanding. We use a preprocessing step that transforms the query so that the query results, which are the input of our model, include additional information, which QR2T can utilize leading to a more informative verbalisation. Finally, we create two Query Results-to-Text benchmarks, which are the first datasets that contain query result verbalisations for both fine-tuning and evaluation."]},{"key":"dc:title","label":"Title","values":["Verbalising Query Results to Text"]}]}],"canonical_facts":{"dc:creator":["ΞΥΔΑΣ ΜΙΧΑΗΛ","XYDAS MICHAIL"],"dc:date":["2023"],"dc:description":["Η δημοκρατικοποίηση των βάσεων δεδομένων επικεντρώνεται στο να γίνουν οι βάσεις δεδομένων διαθέσιμες σε χρήστες που δεν έχουν γνώσεις ή επαφή με γλώσσες επερωτήσεων. Προς αυτή την κατεύθυνση έχει δοθεί ήδη πολύ προσπάθεια στην επίλυση 2 προβλημάτων: Text-to-SQL που επικεντρώνεται στην μετάφραση φυσικής γλώσσας σε SQL και SQL- to-Text που επιλύει το αντίστροφο πρόβλημα. Όμως, ένα πρόβλημα για το οποίο δεν έχει προταθεί λύση ακόμα είναι η εξήγηση των αποτελεσμάτων των επερωτήσεων σε φυσική γλώσσα. Πρώτα ορίζουμε το πρόβλημα Query Results-to-Text ως: δωσμένων των αποτελεσμάτων ενός επερωτήματος, παράγουμε φυσική γλώσσα που περιγράφει τα αποτελέσματα. Προτείνουμε την χρήση προ-εκπαίδευσης του μοντέλου χρησιμοποιώντας δεδομένα πινάκων από τον πραγματικό κόσμο με σκοπό την κατανόηση των πινάκων. Δεύτερον, προτείνουμε ένα βήμα προεπεξεργασίας του επερωτήματος ώστε τα αποτελέσματα, που είναι η είσοδος του μοντέλου μας, να περιέχουν επιπρόσθετα χαρακτηριστικά και οδηγούν σε πιο πλούσιες λεξικοποιήσεις. Τέλος δημιουργούμε δύο Query Results-to-Text Benchmarks, τα οποίο έιναι τα πρώτα σύνολα δεδομένων που περιέχουν αποτελέσματα επερωτήσεων για τελική εκπαίδευση αλλά και για αξιολόγηση του μοντέλου.","Database democratization focuses on making databases accessible to non-expert users that are not familiar with database query languages like SQL. In this direction, a lot of effort has already been put into two problems: Text-to-SQL, which focuses on translating a natural language query to SQL, and SQL-to-Text, which is the inverse problem. However, work has lagged behind in explaining query results in natural language. We first define the Query Results-to-Text problem as: given the results of a query, produce a natural language verbalisation describing these results. Then we attempt solving Query Results-to-Text by defining a model, namely QR2T. We propose pretraining QR2T using real-world table datasets focusing on table understanding. We use a preprocessing step that transforms the query so that the query results, which are the input of our model, include additional information, which QR2T can utilize leading to a more informative verbalisation. Finally, we create two Query Results-to-Text benchmarks, which are the first datasets that contain query result verbalisations for both fine-tuning and evaluation."],"dc:identifier":["uoadl:3336431","https://pergamos.lib.uoa.gr/uoa/dl/object/3336431"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Verbalising Query Results to Text"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:22:54Z"}