一种基于注意力卷积神经网络的自动 SQL 查询评分系统

Jun, 2024

一种基于注意力卷积神经网络的自动 SQL 查询评分系统

An Automated SQL Query Grading System Using An Attention-Based Convolutional Neural Network

Donald R. Schwartz, Pablo Rivas

TL;DR自动化标记 SQL 查询的过程的新方法，采用卷积神经网络架构和参数共享方法，以增加对 SQL 语句理解的潜力。

Abstract

grading sql queries can be a time-consuming, tedious and challenging task, especially as the number of student submissions increases. Several systems have been introduced in an attempt to mitigate these challenges, but those systems have their own limitations. This paper describes our

grading sql queries automating convolutional neural network parameter-sharing approach knowledge representations

发现论文，激发创造

SQL 生成中的双向注意力

该论文探究了自然语言生成 SQL 查询的问题，并使用综合方法设计了三个深度神经网络，应用双向注意机制和卷积神经网络的字符级嵌入来提高结果，最终在 WikiSQL 数据集上达到了最先进的结果。

Dec, 2017

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

自动作文评分的深度学习架构

基于循环神经网络和卷积神经网络的自动评测系统在 8 个数据集上实验表明，本系统在自动评测方面具有显著的优势。

Jun, 2022

SQLNet：无强化学习的自然语言结构化查询生成

本文提出了一种新的方法，即 SQLNet，通过避免不必要的序列结构来基本解决序列化时的顺序问题，并结合依赖图、序列－集合模型和列注意力机制，可以在 WikiSQL 任务中比之前的方法提高 9% 到 13% 的效果。

Nov, 2017

带门卷积的半监督问题检索

本文介绍了一种使用循环和卷积模型（gated convolution）将问题映射到其语义表示的方法，以实现在问答论坛中寻找相似问题并重用之前提供的答案。我们的模型相对于标准 IR 基线和各种神经网络模型（包括 CNN，LSTM 和 GRU）表现出显著优势。

Dec, 2015

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

利用人工神经网络自动评分图形开放性答案

本研究探讨基于卷积神经网络和前馈神经网络的自动化打分方法在国际数学和科学考试中将学生的绘画或图像回答分类的准确性。研究发现，相对于前馈神经网络，卷积神经网络能够更加精确地分类图像响应，并且可以取代人工评分，提高成绩评分的有效性和可比性。

Jan, 2022

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

使用卷积神经网络对问答对中的关系信息进行建模

本文提出了卷积神经网络来学习问题和回答句子的最佳表现形式，并使用成对匹配的关系信息进行编码，这使得神经网络可以更好地捕捉到问题和答案之间的交互作用，从而有效地提高了准确性。

Apr, 2016

使用强化学习从自然语言生成结构化查询的 Seq2SQL 模型

提出一种基于深度神经网络 Seq2SQL 的 SQL 查询翻译模型，利用强化学习策略优化模型，并结合 WikiSQL 数据集进行模型训练，性能比注意力机制模型更好，精度从 35.9% 提高至 59.4%。

Aug, 2017