Aug, 2022

文本转 SQL 解析调查：概念，方法和未来方向

PDF
TL;DR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。
text-to-sql parsingdeep neural networkspre-trained language modelsstructured query languagenatural language
发现论文，激发创造
  • 文本到 SQL 的最近进展：我们已经掌握了什么，以及我们期望的

    该文回顾了 Text-to-SQL 在数据集、方法和评估方面的最新进展，总结了该领域所面临的挑战，并讨论了未来的研究方向，对于现有工作的快速访问和激励未来研究具有重要的指导意义。

    Aug, 2022

  • 基于深度学习的自然语言文本到 SQL 查询转换：一项调查

    本文研究了使用自然语言作为桥梁，通过有效访问数据库创建一个高效的文本到 SQL 模型，重点探讨了 24 个不同神经网络模型以及 11 个常用数据集的特点和局限性，最终讨论了 Text2SQL 技术在实现无缝数据查询方面的可能性。

    Aug, 2022

  • 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

  • 通用且鲁棒的文本到 SQL 解析

    研究 text-to-SQL parsing 在三个层面的泛化性和抗扰性，提出 TKK framework 用于学习 text-to-SQL parsing，该框架在多个测试数据集上表现出了显著的效果。

    Oct, 2022

  • 通过问题分解进行弱监督的文本到 SQL 解析

    本研究提出了一种弱监督方法来训练文本到 SQL 解析器，利用 QDMR 结构自动合成 SQL 查询来代替 NL-SQL 注释，结果表明弱监督模型表现与有注释的 NL-SQL 数据训练模型相当，免除 SQL 注释。

    Dec, 2021

  • 解耦文本到 SQL 的 SQL 查询难度解析

    通过解耦 SQL 查询的难度分析问题和模式，我们引入了一种创新的基于 Text-to-SQL 的框架，将多难度任务简化为单一难度挑战，大大降低了语言模型的解析压力，并在 Spider dev 上实现了新的最新的性能。

    Dec, 2023

  • 使用细粒度查询理解提升文本转 SQL 语义解析

    本文提出了一种基于标记级精细化查询理解的通用、模块化的神经语义分析框架，包括命名实体识别器（NER）、神经实体链接器（NEL）和神经语义解析器（NSP），该框架联合建模查询和数据库，并基于动态生成的语法合成基于树结构的 SQL 查询。实验证明，该模型在 SQUALL 数据集上的执行准确率达到了 56.8％，超过了现有技术水平 2.7％。

    Sep, 2022

  • 下一代数据库接口：LLM 基于文本到 SQL 的调查

    根据自然语言问题（文本到 SQL）生成准确的 SQL 是一个长期存在的问题，传统的文本到 SQL 系统使用人工工程和深度神经网络，而最近的大型语言模型（LLMs）已经展示出在自然语言理解方面的显著能力，因此，将 LLM-based 实现整合到文本到 SQL 研究中可以带来独特的机遇、挑战和解决方案。

    Jun, 2024

  • 语义解析：基于语法和表格的 SQL 生成

    利用生成模型将自然语言问题转换成 SQL 查询，并通过考虑表格结构和 SQL 语法来提高查询的可执行性和准确性。在 WikiSQL 数据集上进行实验，将执行准确率从 69.0％提高到 74.4％。

    Apr, 2018

  • 文本到 SQL 语义解析的错误检测

    本文提出了一种基于预训练代码语言模型和图神经网络结构特征学习的独立于解析器的文本到 SQL 语义解析错误检测模型，实验表明此方法超越了解析器依赖的不确定性度量方法，能够有效提高文本到 SQL 语义解析器的性能和可用性。

    May, 2023