View in EDS

Diseño e Implementación de un sistema multiagente conversacional text2SQL para mejorar la accesibilidad de bases de datos ; Design and Implementation of a text2SQL Multi-Agent Conversational System for Intelligent Database Accessibility ; Disseny i implementació d'un sistema conversacional multi-agent text2SQL per a l'accés intel·ligent a bases de dades

Saved in:
Bibliographic Details
Title: Diseño e Implementación de un sistema multiagente conversacional text2SQL para mejorar la accesibilidad de bases de datos ; Design and Implementation of a text2SQL Multi-Agent Conversational System for Intelligent Database Accessibility ; Disseny i implementació d'un sistema conversacional multi-agent text2SQL per a l'accés intel·ligent a bases de dades
Authors: Sánchez Sánchez, Alberto
Contributors: Salido Gregorio, Miguel Angel, Pérez Bernal, Christian, Departamento de Sistemas Informáticos y Computación, Escuela Técnica Superior de Ingeniería Aeroespacial y Diseño Industrial, Instituto Universitario de Automática e Informática Industrial
Publication Year: 2025
Collection: Universitat Politécnica de Valencia: RiuNet / Politechnical University of Valencia
Subject Terms: Text2SQL, Sistema multiagente, Asistente conversacional, Bases de datos relacionales, Modelos de lenguaje, Procesamiento de lenguaje natural, Generación automática de consultas SQL, Multi-Agent System, Conversational Assistant, Relational Databases, Language Models, Natural Language Processing, Automated SQL Query Generation, Sistema multiagent, Assistent conversacional, Bases de dades relacionals, Models de llenguatge, Processament de llenguatge natural, Generació automàtica de consultes SQL, Máster Universitario en Inteligencia Artificial, Reconocimiento de Formas e Imagen Digital-Màster Universitari en Intel·ligència Artificial, Reconeixement de Formes i Imatge Digital
Description: [ES] El imparable crecimiento del volumen de datos en las organizaciones y proyectos de investigación plantea un desafío mayúsculo: la información, almacenada en complejos esquemas relacionales, permanece oculta para quienes no dominan el lenguaje SQL, conocen a fondo la estructura de la base de datos y cuentan con el tiempo necesario para escribir consultas manuales. Este Trabajo de Fin de Máster se enfrenta a ese reto mediante la adopción del revolucionario enfoque text2SQL, que aprovecha la capacidad de los Modelos de Lenguaje (LLMs) para interpretar preguntas en lenguaje natural y transformarlas en consultas SQL precisas. Con un diseño basado en agentes especializados, nuestro sistema conversacional permite al usuario «hablar» con la base de datos: un agente de procesamiento lingüístico descifra la intención y extrae las entidades clave de la pregunta, otro agente genera el prompt óptimo para el LLM text2SQL, un tercer agente valida y refina la consulta resultante garantizando coherencia y seguridad, y un último agente ejecuta la consulta, recupera los datos y los presenta de forma clara y comprensible. Así, eliminamos la barrera técnica y reducimos drásticamente el tiempo de acceso a la información, democratizando el análisis de datos y facili­tando la toma de decisiones ágil y fundamentada. ; [EN] The relentless surge of data volume across organizations and research environments creates a formidable barrier: information stored in intricate relational schemas remains inaccessible to users who lack SQL expertise, deep knowledge of database structure, and the time to craft manual queries. This Master s Thesis tackles this challenge by embracing the groundbreaking text2SQL paradigm, leveraging the power of Large Language Models (LLMs) to interpret natural language questions and convert them into accurate SQL statements. Featuring a modular, agent-based design, our conversational system empowers users to speak directly with the database: a language-processing agent deciphers user intent and extracts key ...
Document Type: master thesis
File Description: application/pdf
Language: Spanish; Castilian
Relation: https://riunet.upv.es/handle/10251/225174
Availability: https://riunet.upv.es/handle/10251/225174
Rights: http://rightsstatements.org/vocab/InC/1.0/ ; info:eu-repo/semantics/openAccess
Accession Number: edsbas.200F019B
Database: BASE
Description
Abstract:[ES] El imparable crecimiento del volumen de datos en las organizaciones y proyectos de investigación plantea un desafío mayúsculo: la información, almacenada en complejos esquemas relacionales, permanece oculta para quienes no dominan el lenguaje SQL, conocen a fondo la estructura de la base de datos y cuentan con el tiempo necesario para escribir consultas manuales. Este Trabajo de Fin de Máster se enfrenta a ese reto mediante la adopción del revolucionario enfoque text2SQL, que aprovecha la capacidad de los Modelos de Lenguaje (LLMs) para interpretar preguntas en lenguaje natural y transformarlas en consultas SQL precisas. Con un diseño basado en agentes especializados, nuestro sistema conversacional permite al usuario «hablar» con la base de datos: un agente de procesamiento lingüístico descifra la intención y extrae las entidades clave de la pregunta, otro agente genera el prompt óptimo para el LLM text2SQL, un tercer agente valida y refina la consulta resultante garantizando coherencia y seguridad, y un último agente ejecuta la consulta, recupera los datos y los presenta de forma clara y comprensible. Así, eliminamos la barrera técnica y reducimos drásticamente el tiempo de acceso a la información, democratizando el análisis de datos y facili­tando la toma de decisiones ágil y fundamentada. ; [EN] The relentless surge of data volume across organizations and research environments creates a formidable barrier: information stored in intricate relational schemas remains inaccessible to users who lack SQL expertise, deep knowledge of database structure, and the time to craft manual queries. This Master s Thesis tackles this challenge by embracing the groundbreaking text2SQL paradigm, leveraging the power of Large Language Models (LLMs) to interpret natural language questions and convert them into accurate SQL statements. Featuring a modular, agent-based design, our conversational system empowers users to speak directly with the database: a language-processing agent deciphers user intent and extracts key ...