FinSQL：面向金融分析的模型无关的基于 LLM 的 Text-to-SQL 框架
计算与语言
2024-01-22 v1 人工智能
数据库
摘要
Text-to-SQL 为操作关系数据库提供了零代码接口，在金融分析中备受关注；因为金融专业人员可能并不精通 SQL 编程。然而，迄今为止，尚无面向金融分析的实用 Text-to-SQL 基准数据集，且现有的 Text-to-SQL 方法未考虑金融应用中数据库的独特特征，例如常见的宽表。为解决这些问题，我们收集了一个实用的 Text-to-SQL 基准数据集，并提出了一种面向金融分析的模型无关的基于大型语言模型（LLM）的 Text-to-SQL 框架。基准数据集 BULL 收集自恒生电子股份有限公司的实际金融分析业务，包括基金、股票和宏观经济数据库。此外，所提出的基于 LLM 的 Text-to-SQL 框架 FinSQL 从提示构造、参数高效微调和输出校准的角度为金融 Text-to-SQL 提供了系统性处理。在 BULL 上的大量实验结果表明，FinSQL 以较小的代价实现了最先进的 Text-to-SQL 性能；此外，在需要少样本跨数据库模型迁移的场景中，FinSQL 可带来高达 36.64% 的性能提升。
引用
@article{arxiv.2401.10506,
title = {FinSQL: Model-Agnostic LLMs-based Text-to-SQL Framework for Financial Analysis},
author = {Chao Zhang and Yuren Mao and Yijiang Fan and Yu Mi and Yunjun Gao and Lu Chen and Dongfang Lou and Jinshu Lin},
journal= {arXiv preprint arXiv:2401.10506},
year = {2024}
}
备注
13 pages, 13 figures