结合数据库结构及内容的问句理解方法研究

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.

关键词：表结构、表内容、问句理解、槽填充、SQL查询

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：国家重点研发计划2016YFF020440508

在线出版日期：2021-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：71-76,82