论词汇-逻辑对齐在语义解析为 SQL 查询中的潜力
计算与语言
2020-10-23 v1 人工智能
摘要
带有逻辑形式标注的大规模语义解析数据集推动了监督方法的重大进展。但更丰富的监督能否带来更大帮助？为探索细粒度词汇级监督的效用，我们引入 Squall，这是一个以人工创建的 SQL 等价形式及 SQL 与问题片段间对齐来丰富 11,276 个 WikiTableQuestions 英语问题的数据集。我们的标注为编码器-解码器模型提供了新的训练可能，包括此前因缺乏对齐而无法使用的来自机器翻译的方法。我们提出并测试了两种方法：（1）监督注意力；（2）采用将输入查询中的指称消歧到表列的辅助目标。在 5 折交叉验证中，这些策略相较强基线提升了 4.4% 的执行准确率。Oracle 实验表明，标注对齐可支持进一步高达 23.9% 的准确率增益。
引用
@article{arxiv.2010.11246,
title = {On the Potential of Lexico-logical Alignments for Semantic Parsing to SQL Queries},
author = {Tianze Shi and Chen Zhao and Jordan Boyd-Graber and Hal Daumé and Lillian Lee},
journal= {arXiv preprint arXiv:2010.11246},
year = {2020}
}
备注
Findings of ACL: EMNLP 2020