SADGA：用于文本到SQL的结构感知双图聚合网络
计算与语言
2022-01-19 v3
摘要
文本到SQL任务旨在将问题的自然语言翻译为SQL查询，近来备受关注。文本到SQL最具挑战性的问题之一是如何将训练好的模型推广到未见的数据库模式，也称为跨域文本到SQL任务。关键在于（i）对问题和数据库模式建模的编码方法的泛化性，以及（ii）学习问题中词与数据库模式中表/列之间映射的问题-模式链接方法的泛化性。针对上述两个关键问题，我们提出了一种用于跨域文本到SQL的结构感知双图聚合网络（Structure-Aware Dual Graph Aggregation Network, SADGA）。在SADGA中，我们采用图结构为自然语言问题和数据库模式提供统一的编码模型。基于所提出的统一建模，我们进一步设计了一种结构感知聚合方法来学习问题图与模式图之间的映射。该结构感知聚合方法具有全局图链接、局部图链接和双图聚合机制的特点。我们不仅通过实验研究了我们方法的性能，还在撰写时在具有挑战性的文本到SQL基准Spider上取得了第3名。
引用
@article{arxiv.2111.00653,
title = {SADGA: Structure-Aware Dual Graph Aggregation Network for Text-to-SQL},
author = {Ruichu Cai and Jinjie Yuan and Boyan Xu and Zhifeng Hao},
journal= {arXiv preprint arXiv:2111.00653},
year = {2022}
}
备注
Paper accepted at the 35th Conference on Neural Information Processing Systems (NeurIPS 2021)