Avaliando a tradução homem-máquina com mecanismos de atenção para sistemas baseados em SQL em ambientes de Indústria 4.0
PLN, Atenção, Indústria, IoT, Medição, SQL, Deep Learning
O uso de bancos de dados relacionais está cada vez mais presente no setor. Os aplicativos médicos, IoT e indústria 4.0 são exemplos disso. Apesar da grande capacidade e eficiência em armazenar e recuperar dados, esse tipo de banco de dados requer conhecimento técnico em linguagens de consulta específicas para acessar essas informações, o que distancia esses tipos de aplicativos do público leigo. Neste trabalho, propomos uma aplicação de modelos recentes no processamento de linguagem natural que utilizam redes neurais, bem como mecanismos de atenção para a tradução de linguagem natural em inglês para SQL aplicados em um banco de dados SQL de um sistema para armazenar dados de sensores, focados sobre o conceito de indústria 4.0. Exemplos emparelhados de frases em linguagem natural foram gerados com sua consulta SQL correspondente para serem usados para treinamento e validação. Treinando a rede neural, obtivemos um modelo de linguagem com uma precisão de aproximadamente 99% no conjunto de validação.