计算机工程

作者：张成辉, 罗景, 涂新辉, 陈雨霖

单位：1. 武汉科技大学计算机科学与技术学院, 湖北 武汉 4300652. 智能信息处理与实时工业系统湖北省重点实验室, 湖北 武汉 4300653. 华中师范大学计算机学院, 湖北 武汉 430079

关键词：语料库查询语言,大语言模型,上下文学习,自然语言处理,提示工程

基金：国家语委重点科研项目(ZDI145-22); 湖北省高等学校哲学社会科学研究项目(23Y025)

语料库查询语言(CQL)是一种用于在语料库中进行检索和分析的查询语言, 自然语言自动生成CQL指将用户以自然语言表达的查询需求自动转换为标准的CQL语句, 大大降低了用户使用语料库的门槛。虽然大语言模型(LLM)可以较好地完成自然语言生成任务, 但是在CQL生成任务中效果还不是很理想。为此, 提出一种基于LLM上下文学习的语料库查询自动生成方法T2CQL。首先, 基于CQL的编写规则总结出一套简洁全面的文本到CQL(Text-to-CQL)语法知识, 作为LLM实现Text-to-CQL自动转换的基础, 以弥补LLM在此领域知识储备的不足。然后, 基于选定的嵌入模型, 选取与当前自然语言查询最接近的前k个文本-CQL样本对, 以帮助LLM理解语法知识并作为参照。最后, 采用生成结果校准策略来减轻LLM在生成CQL时的偏差, 通过校准模型偏差提升模型生成CQL语句的性能。实验使用多个LLM在包含1 177条数据的测试集上进行测试。实验结果表明, T2CQL方法显著提升了LLM在完成Text-to-CQL自动转换任务时的性能, 最优的执行准确率(EX)达到了85.13%。

来源：2026年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第2期