面向复杂文本到SQL的模式感知多任务学习

传统文本到SQL解析器在涉及多个表或列的复杂SQL查询方面表现不佳，这源于识别正确模式项和在问题与模式项之间进行准确对齐的挑战。为此，我们提出一种模式感知多任务学习框架(称为MTSQL)用于复杂SQL查询。具体而言，我们设计了模式链接判别器模块来区分有效的问题-模式链接，这通过独特的链接关系明确指示编码器以增强对齐质量。在解码器侧，我们定义了6种类型的关系来描述表和列之间的连接(例如WHERE_TC)，并引入算子中心三元组提取器来识别与预定义关系相关的模式项。我们还通过预测的三元组建立语法约束规则集，以在SQL生成期间筛选适当的SQL运算符和模式项。在Spider—a 个跨域具有挑战性的文本到SQL基准测试中，实验结果表明MTSQL在基准测试中优于基线方法，尤其在极端困难情景下。此外，进一步分析验证了我们的方法对复杂SQL查询带来了有希望的改进。