Page 173 - 《软件学报》2026年第3期
P. 173
1136 软件学报 2026 年第 37 卷第 3 期
T TP T TP
100 100
T和TP (%) 90 T和TP (%) 90
80
80
70 70
范围查询 最近邻居 空间 Join 聚合查询 范围查询 最近邻居 空间 Join 聚合查询
查询 查询 查询 查询
空间数据查询类型 空间数据查询类型
(a) NALSpatial (b) SpatialNLI
T TP T TP
100 100
T和TP (%) 90 T和TP (%) 90
80
80
70 70
范围查询 最近邻居 空间 Join 聚合查询 范围查询 最近邻居 空间 Join 聚合查询
查询 查询 查询 查询
空间数据查询类型 空间数据查询类型
(c) IRNet (d) ATHENA++
图 5 转换方法在不同类型查询上的性能对比
在第 2 组实验中, 针对可翻译性和翻译精度对比了 NALSpatial 和 GPT-4o, 实验结果如表 5 所示. GPT-4o 依
赖大规模预训练模型, 通过上下文提示解析自然语言查询. 实验结果表明, 1SL 策略在一定程度上提升了 GPT-4o
的性能, 特别是在空间查询中位置表示的准确性上表现突出. 然而, GPT-4o 在选择合适的空间运算符来判断位置
间关系时依然面临挑战. 相比之下, NALSpatial 无需额外的用户交互, 利用知识库来准确地提取和表示位置, 还可
以使用数据库中新增的空间运算符, 在处理空间位置和关系的解析上表现更为可靠. 特别是在范围查询的转换中,
由于查询依赖于对空间位置和运算符的精确选择, NALSpatial 能够通过知识库和运算符优化进行高效解析. 而
GPT-4o 在这类查询中的表现则受限于提示的质量和对空间关系的理解深度, 翻译结果往往不够精确或存在逻辑
缺陷.
表 5 NALSpatial 与 GPT-4o 对比的实验结果 (%)
范围查询 最近邻居查询 空间Join查询 聚合查询
转换方法
T TP T TP T TP T TP
NALSpatial 85 85 100 90 93.3 93.3 100 96.7
GPT-4o 45 45 75 75 83.3 83.3 76.7 76.7
GPT-4o+1SL 65 65 85 85 93.3 93.3 90 90
5.3 消融实验
为了验证 NALSpatial 中各个模块的有效性, 进行消融实验, 系统性评估了在去除部分模块的情况下框架的性
能变化. 具体而言, 通过对框架的可翻译性 T、翻译精度 TP 和响应时间 RT 进行测量, 从不同维度探讨各模块的
作用和整体系统的依赖性. 实验结果如图 6 所示, 其中, −KB、−Corpus、−MR、−SLM 分别表示去除知识库模块、
语料库模块、映射规则模块和结构化语言模型模块的 NALSpatial 框架配置.
