Feb, 2024

Metasql: 自然语言到 SQL 的生成 - 排序框架

PDF
TL;DR提出了 Metasql，这是一个统一的生成 - 排序框架，可以与现有的自然语言界面数据库（NLIDB）相结合，以提高其翻译准确性。Metasql 通过引入查询元数据来控制生成更好的 SQL 查询候选集，并使用学习排序算法检索全局优化的查询。实验结果表明，使用 Metasql 可以有效提高翻译模型的性能。
发现论文，激发创造
  • xDBTagger: 使用关键词映射和模式图解释数据库的自然语言接口

    xdbtagger 是一种可解释的混合翻译管道，适用于自然语言查询翻译为结构化查询语言的问题，通过文本和视觉方式解释决策，有效地提高了翻译的准确性和效率，适用于多个实际关系数据库和数据集。

    Oct, 2022

  • 基于元学习的自然语言转结构化查询

    本文提出一种基于元学习及相关性函数的 few-shot 元学习方法，将原先监督学习的每个样本视为一个独立的伪任务，经过实验验证，该方法在 WikiSQL 数据集上取得较好的成果。

    Mar, 2018

  • 基于多层专家网络的改进 NL2SQL

    本研究提出了一种名为 Multi-Layer Expert Generate SQL (MLEG-SQL) 的新方法，它利用一个专门的多任务分层网络来准确生成 SQL 语句，以解决由于不同分类任务引起的性能下降问题。

    Jun, 2023

  • SQL 查询生成的最新进展：综述

    该论文综述了最新的自然语言转 SQL 查询方法和模型，并描述了使用深度学习技术的各种架构，阐述了数据集和评估指标。

    May, 2020

  • 可迁移学习的自然语言数据库接口

    本文介绍了一种通用的可转移自然语言交互系统，通过自动注释机制分离出自然语言查询中的数据库 schema 和数据，采用个性化序列模型将注释的查询翻译成 SQL 语句，实验证明该方法在 WikiSQL 数据集上的表现优于传统方法，并且可被应用于其他数据集而无需重新训练。

    Sep, 2018

  • 面向数据库的端到端神经自然语言接口

    本文介绍了一种基于深度模型的数据探索工具 DBPal，它采用自然语言界面，能够将自然语言问题转化为 SQL 查询，并为用户提供自动完成功能，帮助用户更有效地编写复杂查询。

    Apr, 2018

  • 自然 SQL：使 SQL 更容易从自然语言规范中推断

    提出一种名为自然 SQL（NatSQL）的 SQL 中间表示，通过去除难以在文本中找到对应词的运算符和关键字、消除嵌套子查询和 set 运算符的需要，以及降低必要模式项的数量来简化查询，从而提高了现有模型的性能，并使得不支持可执行 SQL 生成的模型能够生成可执行的 SQL 查询，并实现了新的最新执行准确度。

    Sep, 2021

  • 零样本 NL2SQL 生成中的预训练语言模型和大型语言模型的交替使用

    本文提出了 ZeroNL2SQL 框架，该框架结合了 PLMs 和 LLMs 的优势，支持零样本学习自然语言到 SQL 转换。该框架首先通过架构对齐使用 PLMs 生成 SQL 草图，然后使用 LLMs 通过复杂推理填充缺失信息。经过全面实验，ZeroNL2SQL 在现实世界基准测试中取得了最佳的零样本 NL2SQL 性能。

    Jun, 2023

  • 一个编码器 - 解码器框架，将自然语言翻译为数据库查询

    本研究考虑将自然语言转换成 SQL，用于关系数据库的数据检索。我们提出了一种新的编码 - 解码框架，包括新的语义特征和语法感知状态等新方法。实证评估结果表明，我们的方法在真实世界的数据库和查询上明显优于现有技术。

    Nov, 2017

  • 低代码平台中的自然语言到 SQL

    使用低代码平台中的自然语言（NL）和 SQL 查询数据，我们提出了一个流程，让开发人员能够以自然语言检索数据，并使用 NL 模型生成 SQL。通过与生产数据的反馈，我们验证了流程的有效性，并观察到采用该流程后在四个不同模型中的特性采用率提高了 240％，参与率提高了 220％，失败率降低了 90％。

    Aug, 2023