计算机工程

作者：袁志祥, 任冬冬, 洪旭东, 孙国华

单位：安徽工业大学 计算机科学与技术学院, 安徽 马鞍山 243000

关键词：表结构,表内容,问句理解,槽填充,SQL查询

基金：国家重点研发计划（2016YFF020440508）。

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。

来源：2021年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第3期