Enabling large language models (LLM) in data warehouses using graph neural networks (GNN)
Grafik sinir ağları (GNN) kullanarak veri ambarlarında büyük dil modellerini (LL.M.) etkinleştirme
- Tez No: 983229
- Danışmanlar: DOÇ. CEMAL OKAN ŞAKAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Yönetim Bilişim Sistemleri, Computer Engineering and Computer Science and Control, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Organisations increasingly want to ask conversational questions about the large, complex data warehouses that power business intelligence. Current text-to-SQL assistants can translate natural-language queries, yet they often return incorrect answers because they do not understand how tables relate to one another or how data flows through extract–transform–load (ETL) pipelines.This study proposes a hybrid approach that combines a graph neural network (GNN), which models the warehouse's schema and lineage as a graph, with a large language model (LLM) that interprets the user's question and drafts candidate SQL. The GNN supplies structural context to the LLM, guiding it away from syntactically correct but semantically invalid queries and simultaneously yielding a provenance trail for every result.Experiments on a representative enterprise warehouse show that the hybrid method produces more accurate answers and maintains end-to-end traceability when compared with language-only baselines. These findings indicate that adding structural reasoning to large language models is a promising direction for reliable, enterprise-scale analytics.
Özet (Çeviri)
Kurumlar, iş zekasını destekleyen büyük ve karmaşık veri ambarlarına giderek artan oranda konuşma dilinde sorular yöneltmek istemektedir. Mevcut metin-SQL dönüştürücü asistanlar doğal dil sorgularını çevirebilmelerine rağmen, tabloların birbirleriyle nasıl ilişkili olduğunu veya verinin çıkar-dönüştür-yükle (ETL) hatlarından nasıl aktığını anlamadıkları için sıklıkla hatalı yanıtlar döndürmektedir. Bu çalışma, ambar şemasını ve veri soy bilgisini graf olarak modelleyen bir graf sinir ağını (GNN), kullanıcının sorusunu yorumlayan ve aday SQL üreten büyük bir dil modeliyle (LLM) birleştiren hibrit bir yaklaşım önermektedir. GNN, LLM'ye yapısal bağlam sağlayarak onu sözdizimsel olarak doğru ancak anlamsal olarak geçersiz sorgulardan uzaklaştırır ve aynı zamanda her sonuç için bir köken izi sunar. Temsili bir kurumsal veri ambarı üzerinde yapılan deneyler, hibrit yöntemin yalnızca dil tabanlı temel yöntemlerle karşılaştırıldığında daha doğru yanıtlar ürettiğini ve uçtan uca izlenebilirliği koruduğunu göstermektedir. Bu bulgular, büyük dil modellerine yapısal muhakeme eklemenin güvenilir, kurumsal ölçekte analitik için umut verici bir yön olduğunu işaret etmektedir.
Benzer Tezler
- A large language model (LLM)-based framework for bid/no-bid decision support in construction public procurement: Validated on romanian tenders
İnşaat kamu ihalelerinde teklif verme / vermeme karar desteği için büyük dil modeli (LLM) tabanlı bir çerçeve: Romanya ihaleleri üzerinde doğrulama
ELİF GÜLİN PETEK
Yüksek Lisans
İngilizce
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR
- Doğal dil ile SQL ve görselleştirme koduna dönüşümde büyük dil modellerinin karşılaştırmalı analizi
Comparative analysis of large language models for natural language to SQL and visualization code generation
BAYKAL MEHMET UÇAR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilim ve Mühendislik Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. SEFER BADAY
- Büyük dil modelleri kullanılarak Türkçe akademik makale özetlerinden başlık üretilmesi
Generating titles from turkish academic article abstracts using large language models
BEYZANUR BEKTAŞ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ZEKİ KONYAR
- Hasta aciliyet seviyesinin belirlenmesi için büyük dil modeli ve makine öğrenmesi tabanlı akıllı triyaj sistemi
An intelligent triage system for hospital emergency services based on large language models and machine learning
OMAR SAEED
Yüksek Lisans
Türkçe
2026
BiyomühendislikErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET EMİN YÜKSEL
- Büyük dil modelleri ile yazılan kaynak kodların güvenlik analizi: Bankacılık sektörü uygulaması
Security analysis of source codes written by large language models: An application to the banking industry
RESUL SEZGİN ALBAYRAK
Yüksek Lisans
Türkçe
2026
BankacılıkKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MELTEM KURT PEHLİVANOĞLU