EMNLPSep, 2018

使用 Graph-to-Sequence 模型进行 SQL 到文本生成

PDF
TL;DR本文提出了一种将 SQL 查询表示为有向图的策略，并采用图到序列模型将全局结构信息编码成节点嵌入的方法，从而有效地学习 SQL 查询模式和其解释之间的相关性，实验结果表明，我们的模型在 WikiSQL 数据集和 Stackoverflow 数据集上表现显著优于 Seq2Seq 和 Tree2Seq 基线模型，达到了最先进的性能水平。
sql-to-text generationgraph-structured informationgraph-to-sequence modelglobal structure informationstate-of-the-art performance
发现论文，激发创造
  • 基于语法的神经网络文本到 SQL 生成

    本文提出了一种处理 neural text-to-SQL models 中编写语法的复杂性的技术，从而生成 schema-dependent grammar，对 ATIS 和 Spider 两个挑战性的 text-to-SQL 数据集进行分析，显示可以减少 14-18% 的相对误差。

    May, 2019

  • SeqGenSQL -- 用于结构化查询语言的稳健序列生成模型

    利用 T5 模型进行文本转 SQL，结合问题增值和自动生成的银标识训练数据，实现了较高的 SQL 执行精度，并接近基于逻辑形式的最新的具有 SOTA 性能系统。

    Nov, 2020

  • S$^2$SQL：在文本到 SQL 解析器中注入语法以实现问题 - 架构交互图编码器

    本文提出了一种注入语法到问 - Schema 图编码器中用于 Text-to-SQL 解析器的方法 ——S$^2$SQL，它有效地利用了问题中的句法依赖信息来提高性能，并采用解耦约束来诱导多样化的关系边缘嵌入，实验结果在 Spider 和鲁棒性设置 Spider-Syn 上均表现优于所有现有方法，使性能在 Spider 排行榜上名列前茅。

    Mar, 2022

  • 使用强化学习从自然语言生成结构化查询的 Seq2SQL 模型

    提出一种基于深度神经网络 Seq2SQL 的 SQL 查询翻译模型，利用强化学习策略优化模型，并结合 WikiSQL 数据集进行模型训练，性能比注意力机制模型更好，精度从 35.9% 提高至 59.4%。

    Aug, 2017

  • SQLNet：无强化学习的自然语言结构化查询生成

    本文提出了一种新的方法，即 SQLNet，通过避免不必要的序列结构来基本解决序列化时的顺序问题，并结合依赖图、序列－集合模型和列注意力机制，可以在 WikiSQL 任务中比之前的方法提高 9% 到 13% 的效果。

    Nov, 2017

  • 基于数据库架构交互图的上下文相关文本到 SQL 生成的神经模型

    本研究提出了一种基于数据库架构图编码器的上下文相关文本到 SQL 任务模型，该模型使用历史用户输入的编码器和数据库架构项的历史信息，采用门控机制加权不同词汇的重要性，取得 SParC 数据集和 CoSQL 数据集上的最新最佳结果，并证明了该模型的实用性。

    Nov, 2020

  • 带执行引导的 Text-to-SQL 生成的鲁棒性

    该研究探讨了神经话语解析的问题，引入新的执行指南机制来利用 SQL 的语义，证明其普遍提高了基于自回归生成模型的语义解析模型的性能。

    Jul, 2018

  • LGESQL: 基于线图增强的混合局部和非局部关系文本到 SQL 模型

    本研究提出了一种针对 text-to-SQL 任务中具有挑战性的异构图编码问题的 LGESQL 模型，通过线图增强策略挖掘底层的关系特征，同时设计了一个名为图修剪的辅助任务，提高编码器的判别能力，在跨领域的文本到 SQL 测试 Spider 上取得了最先进的结果。

    Jun, 2021

  • T5-SR: 一种用于语义解析的统一 Seq-to-Seq 解码策略

    该篇论文分析了语义解析 (seq2seq) 面临的挑战，如预测语义信息和处理自然语言查询和 SQL 之间的语义连贯性，并提出一种名为 SR 的解码策略，包括一种新的中间表示 (SSQL) 和用于解决这些难题的得分再评估的 reranking 方法。实验证明，该方法在 Spider 数据集上取得了最新的最先进的结果 (T5-SR-3b)。

    Jun, 2023

  • SQL 生成中的双向注意力

    该论文探究了自然语言生成 SQL 查询的问题，并使用综合方法设计了三个深度神经网络，应用双向注意机制和卷积神经网络的字符级嵌入来提高结果，最终在 WikiSQL 数据集上达到了最先进的结果。

    Dec, 2017