في عصر الذكاء الاصطناعي وتطور التكنولوجيا، تواجه قواعد البيانات NoSQL تحدياً حقيقياً في سهولة الوصول إليها عبر اللغة الطبيعية. ورغم كونها بنياناً أساسياً للبيانات، لا يزال الوصول إليها باستخدام أسلوب اللغة الطبيعية لا يزال قيد التطوير. تحتوي هذه التقنية الجديدة على إمكانيات هائلة، حيث تسعى إلى ترجمة الطلبات المكتوبة بلغة طبيعية إلى استعلامات يمكن تنفيذها مباشرةً على قواعد البيانات NoSQL.

تبحث الدراسة الجديدة في مفهوم "ترجمة النص إلى NoSQL" (Text-to-NoSQL)، حيث تترجم الطلبات الطبيعية إلى استعلامات قابلة للتنفيذ باستخدام أنظمة مثل MongoDB. من خلال استخدام أنابيب التجميع في MongoDB على مخزونات الوثائق التي لا تعتمد على الجدول، تم تقديم مجموعة بيانات جديدة تسمى TEND. تحتوي TEND على 1,210 مهمة مخصصة لمستخدمي MongoDB عبر 11 قاعدة بيانات، مما يجعلها واحدة من أوائل المعايير التي تفحص الترجمة من النص إلى NoSQL بفاعلية.

ما يميز TEND هو الطريقة اليدوية التي يتم فيها تعريف حدود التجميع، والطرق المتداخلة، والمصفوفات، والحقول المفقودة، وغيرها من الميزات. يتصف هذا النظام بالقدرة على التعامل مع البيانات الحقيقية والتحقق من دقة النتائج من خلال تنفيذ واقعي باستخدام MongoDB.

أيضًا، تم تقديم حل مبتكر يسمى SAG (Schema-as-Data Grounding) الذي يقوم بتعزيز مسارات القيمة بناءً على الأدلة المخزنة في الوثائق قبل إنشاء الاستعلامات. يتم تقييم دقة التنفيذ باستخدام دقة التنفيذ المتسامحة (EXC) كمعيار رئيسي، مما يضيف أبعادًا جديدة لتقييم الأداء.

تظهر التجارب أن نماذج اللغة الكبيرة (Large Language Models) التي أدت أداءً قويًا في تحويل النص إلى SQL (NL2SQL) تتدهور بشكل كبير عند تطبيقها على TEND، مما يبرز ضرورة اعتبار تقنية Text-to-NoSQL مشكلة مستقلة تتعلق بتحليل الوثائق المتساهلة.

مواكبة لهذه التطورات تشكل خطوة نحو تعزيز التفاعل بين المستخدمين وقواعد البيانات، حيث تتيح هذه التقنية للمتخصصين وغير المتخصصين على حد سواء القدرة على الوصول الفوري إلى المعلومات بطريقة طبيعية وبسيطة.

ما رأيكم في هذا التطور في عالم قواعد البيانات؟ شاركونا آرائكم في التعليقات!