结合数据增强与深度学习的数据库实体识别
计算与语言
2025-08-28 v1 人工智能
数据库
机器学习
摘要
本文探讨了自然语言查询（NLQ）中数据库实体识别（DB-ER）的挑战。我们提出了几项关键贡献以推进该领域：(1) 一个针对 DB-ER 任务的人工标注基准，源自流行的 text-to-SQL 基准；(2) 一种新颖的数据增强流程，利用流行 text-to-SQL 基准中可用的相应 SQL 查询对 NLQ 进行自动标注；(3) 一个基于语言模型的专用实体识别模型，以 T5 为骨干网络，并包含两个下游 DB-ER 任务：用于后端微调的序列标注和用于执行 DB-ER 的 token 分类。我们将我们的 DB-ER 标注器与两个 SOTA NER 标注器进行了比较，观察到我们的模型在精确率和召回率上均表现更优。消融评估表明，数据增强使精确率和召回率提升了 10% 以上，而对 T5 骨干网络进行微调使这些指标提升了 5-10%。
引用
@article{arxiv.2508.19372,
title = {Database Entity Recognition with Data Augmentation and Deep Learning},
author = {Zikun Fu and Chen Yang and Kourosh Davoudi and Ken Q. Pu},
journal= {arXiv preprint arXiv:2508.19372},
year = {2025}
}
备注
6 pages, 5 figures. Accepted at IEEE 26th International Conference on Information Reuse and Integration for Data Science (IRI 2025), San Jose, California, August 6-8, 2025