본 논문은 자연어 인터페이스, 특히 text-to-SQL 의미 분석에서의 모호성 및 불완전 명세 처리 문제를 다룬다. 모호성을 해결하기 위해 자연어 해석을 먼저 수행한 후 논리적 형태(예: SQL 쿼리)로 매핑하는 모듈식 접근 방식을 제안한다. 대규모 언어 모델(LLM)은 모호하지 않은 발화를 분석하는 데 뛰어나지만, 모호한 발화에 대해서는 강한 편향을 보이며 일반적으로 선호되는 해석만 예측한다. 본 연구는 이러한 편향을 이용하여 선호되는 해석의 초기 집합을 생성하고, 전문화된 채우기 모델을 적용하여 누락된 해석을 식별하고 생성한다. 채우기 모델을 훈련하기 위해 SQL 실행을 사용하여 다양한 의미를 검증하는 주석 방법을 도입한다. 제안된 접근 방식은 해석 범위를 개선하고 서로 다른 주석 스타일, 데이터베이스 구조 및 모호성 유형을 가진 데이터 세트에서 일반화된다.
