层次化表示：桥接全局意图与局部细节的语义验证方法
机器学习
2025-12-30 v1
摘要
文本到 SQL 将自然语言问题转化为以目标数据库模式为依据的 SQL 语句。确保此类系统的可靠性与可执行性，需要对生成的 SQL 进行语义验证，但大多数现有方法仅关注语法正确性，缺乏对语义验证（检测问题与 SQL 之间的不匹配）的关注。因此，有效的语义验证面临两个关键挑战：一是捕获用户全局意图与 SQL 结构细节；二是构建高质量的细粒度子 SQL 标注。为此，我们提出 HEROSQL，一种层次化 SQL 表示方法，通过逻辑计划（LPs）整合全局意图，通过抽象语法树（ASTs）融合局部细节。为实现更有效的信息传播，我们采用嵌套消息传递神经网络（NMPNN）捕获 SQL 中的内在关系，并跨 LPs 与 ASTs 聚合由模式引导的语义。此外，我们提出基于 AST 的子 SQL 增强策略，以生成高质量的负样本，支持对细粒度语义不一致的稳健优化。在 Text-to-SQL 验证基准（包括域内和域外设置）上的大规模实验表明，我们的方法超越当前最先进方法，在识别语义不一致方面平均提升 AUPRC 9.40%，AUROC 12.35%。该方法擅长检测细粒度语义错误，为大语言模型提供更细粒度的反馈，从而提升数据查询平台的可靠性与可解释性。
引用
@article{arxiv.2512.22744,
title = {Bridging Global Intent with Local Details: A Hierarchical Representation Approach for Semantic Validation in Text-to-SQL},
author = {Rihong Qiu and Zhibang Yang and Xinke Jiang and Weibin Liao and Xin Gao and Xu Chu and Junfeng Zhao and Yasha Wang},
journal= {arXiv preprint arXiv:2512.22744},
year = {2025}
}