RAT-SQL：面向文本到 SQL 解析器的关系感知模式编码与链接
计算与语言
2021-08-25 v5 人工智能
摘要
在将自然语言问题转换为 SQL 查询以回答数据库中的问题时，当代语义解析模型难以泛化到未见的数据库模式。该泛化挑战在于（a）以语义解析器可访问的方式编码数据库关系，以及（b）建模数据库列与其在给定查询中提及之间的对齐。我们提出一个基于关系感知自注意力机制的统一框架，以在文本到 SQL 编码器中解决模式编码、模式链接和特征表示问题。在具有挑战性的 Spider 数据集上，该框架将精确匹配准确率提升至 57.2%，以 8.7% 的绝对提升超越其最佳同类模型。进一步用 BERT 增强后，它在 Spider 排行榜上实现了 65.6% 的新最先进性能。此外，我们观察到模型在模式链接和对齐理解方面的定性改进。我们的实现将在 https://github.com/Microsoft/rat-sql 开源。
引用
@article{arxiv.1911.04942,
title = {RAT-SQL: Relation-Aware Schema Encoding and Linking for Text-to-SQL Parsers},
author = {Bailin Wang and Richard Shin and Xiaodong Liu and Oleksandr Polozov and Matthew Richardson},
journal= {arXiv preprint arXiv:1911.04942},
year = {2021}
}
备注
Fix some errors of ACL 2020 camera-ready; 12 pages, 5 figures, 7 tables. arXiv admin note: text overlap with arXiv:1906.11790