Apr, 2020

RYANSQL: 在跨领域数据库中递归应用基于草图的槽填充进行复杂文本到 SQL 转换

PDF
TL;DR本论文介绍了一种名为 RYANSQL 的神经网络方法，该方法通过定义状态位置代码（SPC）来将嵌套 SQL 查询转换为一组非嵌套选择语句，并提出了基于草图的插槽填充方法来为相应的 SPC 综合每个 SELECT 语句。此外，提出了两种输入操作方法来进一步提高生成性能，该方法在 Spider 基准测试中实现了 58.2％的准确度，是先前最先进方法的改进，并在 Spider 排行榜上排名第一。
text-to-sqlneural networksql queryspcspider benchmark
发现论文，激发创造
  • 跨领域数据库中基于中间表示的复杂文本转 SQL 研究

    利用 IRNet 的神经方法，从文本向 SQL 转换的复杂性和跨领域性的角度入手，成功解决了大量领域外单词造成的列预测挑战，并在 Spider 基准测试中取得了 46.7％精度，比之前表现最佳的方法 “进步了 19.5％”，在 Spider 排行榜上位居第一。

    May, 2019

  • SPSQL: 基于逐步解析的文本到 SQL 生成框架

    本文提出了一种基于管道的 Text2SQL 方法 SPSQL，将任务分解为表选择、列选择、SQL 生成和值填充四个子任务，采用不同的数据格式以提高模型精度，并使用命名实体识别模块和数据增强进行优化，通过实验得出在市场业务数据上的 SPSQL 方法比端到端方法和其他管道方法表现更好。

    May, 2023

  • SyntaxSQLNet: 语法树网络用于复杂和跨领域的文本到 SQL 任务

    本文介绍了 SyntaxSQLNet，这是一种基于语法树模块进行跨领域复杂 text-to-SQL 生成任务的方法，我们还使用跨领域的增广方法来改进模型。在 Spider 数据集的测试集上，SyntaxSQLNet 在准确匹配精度上的表现比以往的模型都要好，取得了 7.3% 的提高，使用跨领域增广方法后，我们的模型在该任务上进一步提高了 14.8%。

    Oct, 2018

  • 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

  • 探索跨领域文本到 SQL 泛化的未被充分利用的限制

    在研究神经网络将文本描述翻译成 SQL 查询方面，在零射跨域设置下取得了显著进展，但是现有的文本到 SQL 模型在面对训练数据中很少出现的领域知识时不具有普适性。本文介绍了一种人工筛选的数据集 Spider-DK，用于研究文本到 SQL 模型在需要应用很少出现的领域知识时的预测表现。在 Spider-DK 中，我们通过添加反映现实世界问题的领域知识来修改一些 Spider 的样本，并证明当样本需要这种领域知识时，预测准确率显著下降，即使该领域知识出现在训练集中，模型对相关训练样本的预测仍然正确。

    Sep, 2021

  • TypeSQL: 基于知识的类型感知神经网络文本到 SQL 生成

    本文提出了一种新方法 TypeSQL，通过将问题转换为插槽填充任务，并利用类型信息来更好地理解自然语言问题中的稀有实体和数字，从而实现了通过自然语言与关系型数据库进行交互。在 WikiSQL 数据集上测试该方法，比现有技术提高了 5.5％的性能。同时，利用数据库内容进行访问可以显著提高用户查询的性能，TypeSQL 的准确度为 82.6％，相对于之前的内容敏感模型提高了 17.5％。

    Apr, 2018

  • 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

  • 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

  • SQL 查询生成的提及抽取与链接

    该论文提出了一种新颖的提取 - 链接方法来生成可执行的 SQL 查询，该方法训练于自动生成的注释，并在 WikiSQL 基准测试中取得了第一名，该方法能够解决针对不同类型的插槽建立多个专用模型所带来的复杂性和容量有限的问题。

    Dec, 2020

  • 跨域文本到 SQL 解析中的基于层次化 SQL 到问题生成的数据增强

    该论文通过设计一个简单而有效的数据增强框架，提出了一种层次化的 SQL 转自然语言问题生成模型，以及一种简单的采样策略来显著提高训练效率。在三个跨领域数据集上的实验表明，其方法可以一贯地改善表现，并且层次化生成组件是改善的关键。

    Mar, 2021