テキストからSQLへのデータセットは、モデルのトレーニングと評価に不可欠ですが、既存のデータセットはカバレッジが制限されており、現実世界のアプリケーションの多様性を捉えきれないことが多いです。この記事では、コアの意図、ステートメントタイプ、構文構造、主要なアクションを含む次元に基づいた新しい分類法を提案し、既存の公共テキストからSQLへのデータセット（SpiderやBirdなど）を評価して、その限界を明らかにしています。さらに、この分類法を用いてSQL-Synthという新しいデータセットを合成するパイプラインを紹介し、これにより現実世界のテキストからSQLへの多様性と複雑さを反映したデータセットを作成できることを示しています。分析と実験の結果、SQL-Synthは既存のベンチマークに比べてより多様性とカバレッジを持ち、既存の大規模言語モデル（LLM）のパフォーマンスを改善するためにはファインチューニングが有効であることが判明しました。この提案された分類法はデータセットの分析やトレーニングデータの構築に重要な影響を持つ可能性があります。