对话式文本到 SQL：探寻前沿技术与未来挑战
计算与语言
2023-02-23 v1
摘要
对话式、多轮文本到 SQL（CoSQL）任务将对话中的自然语言话语映射为 SQL 查询。当前最优（SOTA）系统使用大型预训练并微调的语言模型（如 T5 系列）结合约束解码。通过在训练期间对具有离散提示的连贯任务进行多任务（MT）处理，我们超越了专门的文本到 SQL T5 系列模型。基于对 n-best 假设的 Oracle 分析，我们应用查询计划模型和模式链接算法作为重排序器。结合 MT 与重排序，我们使用 T5-3B 的结果在 CoSQL 上相较 SOTA 基线在精确匹配上取得 1.0% 的绝对准确率提升，在执行匹配上取得 3.4% 的提升。尽管这些增益在轮次级别上持续显现，但上下文依赖的轮次明显更难。我们开展研究以区分可归因于领域泛化与组合泛化的错误，其中后者仍是多轮对话的挑战，尤其在生成具有未见解析树的 SQL 时。
关键词
引用
@article{arxiv.2302.11054,
title = {Conversational Text-to-SQL: An Odyssey into State-of-the-Art and Challenges Ahead},
author = {Sree Hari Krishnan Parthasarathi and Lu Zeng and Dilek Hakkani-Tur},
journal= {arXiv preprint arXiv:2302.11054},
year = {2023}
}
备注
Accepted for publication at ICASSP 2023