EMNLPSep, 2019

CoSQL：面向跨域自然语言数据库接口的对话式文本到 SQL 挑战

PDF
TL;DRCoSQL 是一个用于构建跨领域、通用的数据库查询对话系统的语料库，其对话状态以 SQL 作为域无关的可执行表示，提供了一种维护自然交互流的方法。
cosqldatabase queryingdialogue systemsqlnatural interaction flow
发现论文，激发创造
  • 面向会话的文本到 SQL 转换：现状和未来挑战的探索

    通过多任务联合训练和模式重排应用于 text-to-SQL 任务中，可以显著提高模型的表现，进一步结合查询计划模型和模式链接算法后，T5-3B 的精确匹配和执行匹配的准确度均超过 SOTA 基线。

    Feb, 2023

  • ColloQL：搜索查询的跨领域文本转 SQL 的鲁棒性解决方案

    使用数据增强技术和基于采样的内容感知 BERT 模型 (ColloQL) 实现了鲁棒的自然语言搜索 (NLS) 查询的文本到 SQL 建模，评估表明该方法优于现有技术。

    Oct, 2020

  • CoQA: 一项面向对话的问题回答挑战

    本篇论文提出了一种建立对话式问答系统的新数据集 CoQA，包含来自七个不同领域的 8,000 个对话中 127,000 个具有答案的问题，分析表明，这些问题比现有的阅读理解数据集具有更多挑战性和难点，需要针对性的解决方案，评测结果显示目前最好的系统 F1 得分为 65.4％，仍然有大量的改进空间。

    Aug, 2018

  • CrossWOZ: 一个大规模的中文跨领域任务导向对话数据集

    本研究提出 CrossWOZ 数据集，这是中国首个大规模的跨领域 Wizard-of-Oz 任务导向数据集，包含了酒店、餐厅、景点、地铁和出租车等 5 个领域的 6k 对话会话和 102k 含有丰富对话状态和对话行为标注的发言。同时，数据集提供了用户模拟器和一些基准模型，方便研究人员在该数据集上比较和评估他们的模型。

    Feb, 2020

  • CoSQA: 2 万 + Web 查询用于代码搜索和问题回答

    通过引入 CoSQA 数据集，我们提出了一种名为 CoCLR 的对比学习方法，该方法的作用是作为一种数据增强器，以产生更多人工生成的训练实例，从而增强查询 - 代码匹配，实验表明，使用 CoSQA 进行训练可将代码问题回答的准确性提高 5.1％，并且使用 CoCLR 进一步提高 10.5％。

    May, 2021

  • 基于编辑的 SQL 查询生成技术：针对跨领域上下文相关问题

    本研究提出了一种基于编辑机制的交互式文本到 SQL 生成方法，通过利用序列级的生成结果，结合上下文以及表结构信息来提高生成质量，并在 SParC 数据集上实现了优于当前最先进方法的生成效果。

    Sep, 2019

  • 野外 Text-to-SQL：基于 Stack Exchange 数据的自然发生数据集

    本文研究基于自然语言理解的语义解析数据集，提出了一个包含真实用例中语句与 SQL 的对应关系的 SEDE 数据集，并展示该数据集所带来的挑战与实用性，进一步表明针对真实用例的数据集更适合进行语义解析任务的评估。

    Jun, 2021

  • Wav2SQL: 通用直接的语音转 SQL 解析

    本文提出了第一个直接语音转 SQL 的解析模型 Wav2SQL，利用最近的大规模预训练技术来缓解数据稀缺问题，通过语音重新编程和梯度反转分类器技术减少声学差异和学习的样式无关表示，显著提高准确性。

    May, 2023

  • CoE-SQL: 基于上下文的多轮文本到 SQL 学习与版本链

    我们通过引入 CoE-SQL 方法，利用上下文依赖关系来改善大型语言模型在多轮文本转 SQL 任务中生成 SQL 查询时的推理能力，并通过大量消融研究确定了最佳配置，从而稳定地优于其他基线模型，同时在 SParC 和 CoSQL 两个基准测试上取得了最新性能，与 SOTA fine-tuned 模型相媲美。

    May, 2024

  • PCoQA：波斯语会话问答数据集

    通过引入 PCoQA 数据集，本研究旨在为会话式问答研究提供第一个波斯语会话式问答数据集，包含多达 9,026 个背景驱动的问题，涉及提问者、回答者和维基百科文档。该数据集对以往问答数据集提供了新的挑战，包括更多开放性非事实性答案、较长答案和更少的词汇重复。本文还介绍了多种基准模型的性能，包括基线模型和预训练模型，并使用预训练模型提升了性能。有关数据集和基准模型可在我们的 Github 页面上获取。

    Dec, 2023