面向文本到SQL解析的数据库结构全局推理
计算与语言
2019-08-30 v1
摘要
最先进的语义解析器依赖于自回归解码，一次生成一个符号。当在训练时未见过（零样本）的复杂数据库上测试时，由于解码的局部性，解析器常常难以在新数据库中选择正确的数据库常量集合。在这项工作中，我们提出了一种语义解析器，它对输出查询的结构进行全局推理，以对数据库常量做出更具上下文感知的选择。我们使用通过图神经网络进行的消息传递，以软方式根据问题为输出查询选择数据库常量的子集。此外，我们训练了一个模型，基于数据库常量与问题词的全局对齐对查询进行排序。我们将我们的技术应用于 Spider（一个具有复杂数据库的零样本语义解析数据集）当前最先进的模型，将准确率从 39.4% 提升到 47.4%。
引用
@article{arxiv.1908.11214,
title = {Global Reasoning over Database Structures for Text-to-SQL Parsing},
author = {Ben Bogin and Matt Gardner and Jonathan Berant},
journal= {arXiv preprint arXiv:1908.11214},
year = {2019}
}
备注
EMNLP 2019