结合数据库结构及内容的问句理解方法研究

• 作者: 袁志祥 任冬冬 洪旭东 孙国华
• 来源期刊: 计算机工程
• 关键词: 表结构 表内容 问句理解 槽填充 SQL查询
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 71-76,82
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057250

摘要

问句理解是模型将自然语言问句转换成SQL的重要基础.目前多数利用深度学习的模型仅是通过数据库结构,未结合数据库内容充分理解问句生成SQL查询.在SQLova模型的基础上,提出一种基于表结构和内容的问句理解方法.利用表结构和表内容关注机制获得问句更准确的语义表达式,通过子类分类任务填充SQL草图完成SQL查询.在阿里云首届中文NL2SQL挑战赛发布的中文数据集上进行测试,结果表明,结合数据库结构与内容的问句理解方法取得78％的准确率,比不结合表内容的模型高出1.8％,在WikiSQL数据集上比SQLova准确率高出1.4％,可以有效提高生成SQL查询的准确率.