基于耦合与解耦的 NL2SQL 生成特征表示学习
计算与语言
2023-07-03 v1
摘要
NL2SQL 任务旨在将自然语言语句解析为 SQL 查询。尽管大多数最先进的方法将 NL2SQL 视为槽填充任务并采用特征表示学习技术，但它们忽略了 SELECT 与 WHERE 子句之间的显式关联特征，以及单个子句内各子任务之间的隐式关联特征。为解决该问题，我们提出了子句特征关联解耦与耦合（CFCDC）模型，该模型采用特征表示解耦方法在参数层面上分离 SELECT 与 WHERE 子句。接着，我们引入多任务学习架构，以解耦特定子句中不同 SQL 任务之间的隐式关联特征表示。此外，我们提出了一种改进的特征表示耦合模块，用于整合 SELECT 与 WHERE 子句中解耦的任务并预测最终的 SQL 查询。我们提出的 CFCDC 模型在 WikiSQL 数据集上展现出优异性能，在逻辑精度与执行准确率方面均有显著提升。该模型的源代码将在 GitHub 上公开。
引用
@article{arxiv.2306.17646,
title = {Feature Representation Learning for NL2SQL Generation Based on Coupling and Decoupling},
author = {Chenduo Hao and Xu Zhang and Chuanbao Gao and Deyu Zhou},
journal= {arXiv preprint arXiv:2306.17646},
year = {2023}
}
备注
12pages, 4figures International Conference on Artificial Neural Networks