10.19678/j.issn.1000-3428.0057250
结合数据库结构及内容的问句理解方法研究
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.
表结构、表内容、问句理解、槽填充、SQL查询
47
TP18(自动化基础理论)
国家重点研发计划2016YFF020440508
2021-03-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
71-76,82