用于文本到SQL解析器推理时自适应的结构化基于案例推理
计算与语言
2023-01-11 v1 人工智能
摘要
语义解析的推理时自适应方法对于利用新观测领域中的示例而无需重复微调非常有用。现有方法通常在Seq-to-Seq模型的编码器输入处通过简单拼接来自新领域的输入输出示例对（案例）来偏置解码器。此类方法无法充分利用案例示例中逻辑形式的结构。我们提出StructCBR，一种结构化基于案例推理方法，其利用案例与候选输出逻辑形式之间的子树级相似性，从而得出更好的解码器决策。针对将文本到SQL模型自适应至未见模式（schema）的任务，我们表明通过StructCBR以结构化方式利用案例示例，在五个不同数据库上相比先前的推理时自适应方法带来了一致的性能提升。据我们所知，我们首次尝试文本到SQL模型的推理时自适应，并利用子查询之间可训练的结构化相似性。
引用
@article{arxiv.2301.04110,
title = {Structured Case-based Reasoning for Inference-time Adaptation of Text-to-SQL parsers},
author = {Abhijeet Awasthi and Soumen Chakrabarti and Sunita Sarawagi},
journal= {arXiv preprint arXiv:2301.04110},
year = {2023}
}
备注
AAAI 2023