Text‐to‐SpatialSQL: A LLM Based Method for Generating Spatial SQL Queries With Geo‐Knowledge Extracted From Software User Manual - Ma - 2026 - Transactions in GIS - Wiley Online Library
https://onlinelibrary.wiley.com/doi/10.1111/tgis.70312



این مقاله درباره حل یک مشکل مهم در GIS و پایگاه‌داده‌های مکانی است: اینکه کاربران غیرمتخصص بتوانند با زبان طبیعی سؤال بپرسند و سیستم به‌طور خودکار Spatial SQL مناسب را تولید کند. نویسندگان نشان می‌دهند که مدل‌های زبانی بزرگ (LLM) به‌تنهایی دانش کافی از توابع و عملیات تخصصی مکانی ندارند؛ بنابراین یک چارچوب جدید ارائه می‌کنند که با استفاده از RAG (Retrieval-Augmented Generation)، دانش فنی را مستقیماً از راهنماها و مستندات نرم‌افزارهای پایگاه‌داده مکانی استخراج می‌کند، آن را در قالب یک گراف دانش سازمان می‌دهد و سپس این دانش را هنگام تولید پرس‌وجوهای مکانی در اختیار LLM قرار می‌دهد. نتایج آزمایش‌ها نشان می‌دهد که این روش دقت تولید Spatial SQL و احتمال اجرای صحیح پرس‌وجوها را به‌طور قابل توجهی افزایش می‌دهد و می‌تواند فرآیند تعامل کاربران با داده‌های مکانی را تا حد زیادی خودکار کند.




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی