ShadowGNN：用于文本到 SQL 解析器的图投影神经网络
计算与语言
2021-04-15 v2 人机交互
摘要
给定数据库模式，文本到 SQL 旨在将自然语言问题翻译为相应的 SQL 查询。在跨域设置下，传统语义解析模型难以适应未见过的数据库模式。为提高模型对稀有和未见模式的泛化能力，我们提出一种新架构 ShadowGNN，其在抽象和语义层面处理模式。通过忽略数据库中语义项的名称，抽象模式在精心设计的图投影神经网络中被利用，以获得问题和模式的无词汇化表示。基于领域无关的表示，利用关系感知 transformer 进一步提取问题与模式之间的逻辑链接。最后，应用具有上下文无关文法的 SQL 解码器。在具有挑战性的文本到 SQL 基准 Spider 上，实证结果表明 ShadowGNN 优于最先进的模型。当标注数据极其有限（仅 10% 训练集）时，ShadowGNN 获得超过 5% 绝对性能提升，显示出其强大的泛化能力。我们的实现将在 \url{https://github.com/WowCZ/shadowgnn} 开源。
引用
@article{arxiv.2104.04689,
title = {ShadowGNN: Graph Projection Neural Network for Text-to-SQL Parser},
author = {Zhi Chen and Lu Chen and Yanbin Zhao and Ruisheng Cao and Zihan Xu and Su Zhu and Kai Yu},
journal= {arXiv preprint arXiv:2104.04689},
year = {2021}
}
备注
Accepted at NAACL2021, 11 pages, 4 figures