SQL-NLP:n tutkimuskenttä : systemaattinen kirjallisuuskartoitus

Abstract

SQL-NLP:llä viitataan luonnollisen kielen käyttöön SQL-kielessä. SQL (engl. Structured Query Language) on ohjelmointi- ja kyselykieli, jota käytetään relaatiotietokantojen yhteydessä. NLP (engl. Natural Language Processing) tarkoittaa luonnollisen kielen prosessointia. Luonnollinen kieli viittaa ihmisten käyttämään kieleen, kuten englantiin tai suomeen. Kandidaatin tutkielma toteutettiin käyttämällä systemaattisen kirjallisuuskartoituksen menetelmää. Menetelmä valittiin, koska aiempaa tutkimusta ei ollut tehty systemaattisena kirjallisuuskartoituksena. Systemaattisen kirjallisuuskartoituksen tarkoituksena on kartoittaa aiempia tutkimuksia ja löytää mahdollisia tutkimusaukkoja. Tämän tutkielman tarkoituksena oli selvittää, kuinka paljon tutkimusta on tehty luonnollisen kielen hyödyntämisessä SQL-kielessä. Lisäksi haluttiin selvittää, millä julkaisufoorumeilla artikkeleita on julkaistu ja mistä näkökulmista artikkelit käsittelevät aihetta. Tutkielman aineisto saatiin luomalla tietokantakyselyitä neljässä eri tietokannassa. Tietokantakyselyjen tukena käytettiin taaksepäin suuntautuvaa lumipallomenetelmää. Näiden kahden menetelmän avulla tutkimusaineistoksi valikoitui 110 tieteellistä vertaisarvioidulla foorumilla julkaistua artikkelia. Tutkimuksen tulokset jaoteltiin julkaisuvuoden ja julkaisufoorumin mukaisesti. Lisäksi tutkittiin tutkimusten näkökulmaa koskien SQL-NLP:tä. Tutkielmat jaoteltiin kolmeen eri luokkaan näkökulman perusteella, joista ensimmäinen oli uudet lähestymistavat, menetelmät ja mallit, toinen kahden tai useamman menetelmän vertailu ja kolmas muut julkaisut. Tuloksista käy ilmi, että tutkimus on ajankohtaista ja uusia tutkimuksia tuotetaan koko ajan lisää. Lisäksi havaittiin, että tutkimuksia on julkaistu monipuolisesti eri julkaisufoorumeilla. Julkaisujen näkökulmista todettiin, että suuri osa julkaistuista artikkeleista esittelevät uuden luonnollisen kielen menetelmän tai tekniikan soveltamisen SQL-kielelle. Jatkotutkimuskohde aiheeseen voisi olla erilaisten SQL-NLP-sovelluksien ja -menetelmien kriittinen laajamittainen vertailu.

The term SQL-NLP pertains to the utilization of Natural Language Processing (NLP) within the SQL (Structured Query Language) programming and query language, which is employed in the relational database domain. Natural language refers to the idiom employed by human beings, such as English or Finnish. This bachelor’s thesis was conducted as a systematic mapping study methodology. This methodology was elected due to the absence of prior research conducted as a systematic mapping study. The prime objective of a systematic mapping study is to map antecedent research and unearth prospective research gaps. The objective of the thesis was to ascertain the extent of extant research with regards to the utilization of natural language in SQL, as well as to determine the publication fora and perspectives from which relevant articles approach the topic. The material for this thesis was garnered through the creation of database queries in four distinct databases. The backward snowballing method was utilized to complement these queries. The techniques culminated in the selection of a research sample consisting of 110 scientific articles published in peer-reviewed fora. The results of the study were classified according to year of publication and publication forum. Furthermore, the study probed the SQL-NLP perspective of the articles. The articles were divided into three distinct categories, predicated on their respective perspectives. The first category pertained to novel approaches, methodologies, and models, the second category focused on the comparison of two or more methodologies, and the third category encapsulated publications of an alternative nature. The findings indicate that research on the subject is germane, and that novel research is being produced on a constant basis. Furthermore, it was discovered that research had been published across a range of publication fora. Regarding the perspectives of the articles, a significant proportion of the articles proffered novel natural language methodologies or techniques, which were applied to SQL. A potential future research avenue on this subject could be a large-scale, critical comparison of divergent applications and methodologies of SQL-NLP.