Dec, 2021

多关注历史记录：一种面向会话文本到 SQL 的上下文建模策略

PDF
TL;DR本研究提出了两个对话建模任务，旨在辅助多轮对话语义解析。结果表明，在上下文总结和明确建模每个轮次的语义变化方面，可以极大提高多轮语义解析的性能。
conversational text-to-sqlmulti-turnsemantic changessummarizationconversational modelling
发现论文，激发创造
  • 多轮文本到 SQL 的分离对话建模和语义解析

    本研究提出了一种新的分离式多轮对话文本转 SQL 框架，使用话语重写模型和单轮 Text-to-SQL 解释器来解决对多轮对话历史建模和数据稀疏性问题，在无标注的情况下表现优异。

    Jun, 2021

  • 多轮文本到 SQL 语义解析的交互状态跟踪

    本文提出一种基于关系图神经网络的文本转 SQL 语义解析模型，通过定义基于数据库模式项和关键词的交互状态并设计相应的更新机制，以实现更好的解析效果，在 CoSQL 数据集上表现优异。

    Dec, 2020

  • 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

  • CQR-SQL：对话式问题重构增强的上下文相关文本到 SQL 解析器

    该论文提出了一种名为 CQR-SQL 的方法，利用辅助对话问题改写（CQR）学习来显式地利用模式，并解耦文本 - SQL 语句的上下文依赖关系，从而增强 SQL 解析的能力。该方法在两个文本 - SQL 基准测试中取得了最新的最先进结果。

    May, 2022

  • 利用自我对弈增强多轮文本转 SQL 数据集

    本文提出了一种通过自身游戏来增强训练集，再利用经过采样的目标查询生成新的交互来适应新的数据库的上下文依赖文本转 SQL 任务方法，并利用所得到的增强数据重新训练模型，实验表明，该方法在 SParC 和 CoSQL 两个广泛使用的跨领域文本转 SQL 数据集上显著提高了准确性。

    Oct, 2022

  • 基于历史语义图的带时态信息建模的对话式知识库问答

    本文提出了一种历史语义图增强问答模型（HSGE），能够有效地建模会话历史中的长程语义依赖关系，同时保持低计算成本。实验结果表明，它在所有问题类型上平均优于现有基线。

    Jun, 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

  • 文本转 SQL 解析调查：概念，方法和未来方向

    该研究综述了文本到结构化查询语言解析的深度学习方法，介绍了单轮和多轮对话的文本到 SQL 解析语料库，阐明了预训练语言模型和现有方法，探讨了面临的挑战和未来发展方向。

    Aug, 2022

  • HIE-SQL：基于历史信息增强的网络的上下文依存文本到 SQL 语义解析

    本文提出了一种历史信息增强的文本转 SQL 模型（HIE-SQL），通过两种不同的模态（自然语言和 SQL）的双模态预训练模型来处理它们之间的不匹配，从而利用历史话语和最后预测的 SQL 查询中的上下文依赖信息，并设计了一个模式连接图来增强话语和 SQL 查询与数据库模式之间的联系。我们展示了历史信息增强方法显著提高了 HIE-SQL 的性能，在 SparC 和 CoSQL 数据集上取得了新的最优结果。

    Mar, 2022

  • QURG: 基于问题重写的上下文引导文本至 SQL 语义解析

    QURG 提出了一种新型的问题重写引导方法，通过训练问题重写模型以便更好地理解当前问题和问题上下文间的关联，并设计了双流矩阵编码器来联合建模，从而最终实现了优化基于上下文的自然语言问题到 SQL 查询的性能表现。

    May, 2023