面向跨领域数据库中复杂 Text-to-SQL 的中间表示方法
计算与语言
2019-05-30 v2
摘要
我们提出一种称为 IRNet 的神经网络方法,用于复杂且跨领域的 Text-to-SQL。IRNet 旨在应对两个挑战:1) 自然语言(NL)中表达的意图与 SQL 中实现细节之间的不匹配;2) 由大量领域外词导致的列预测困难。IRNet 不是端到端地合成 SQL 查询,而是将合成过程分解为三个阶段。在第一阶段,IRNet 对问题和数据库模式进行模式链接(schema linking)。然后,IRNet 采用基于文法的神经模型合成 SemQL 查询,这是我们设计的用于桥接 NL 与 SQL 的中间表示。最后,IRNet 利用领域知识从合成的 SemQL 查询确定性地推断出一个 SQL 查询。在具有挑战性的 Text-to-SQL 基准 Spider 上,IRNet 取得了 46.7% 的准确率,相较先前最先进(state-of-the-art, SOTA)方法获得 19.5% 的绝对提升。在撰写本文时,IRNet 在 Spider 排行榜上位居第一。
引用
@article{arxiv.1905.08205,
title = {Towards Complex Text-to-SQL in Cross-Domain Database with Intermediate Representation},
author = {Jiaqi Guo and Zecheng Zhan and Yan Gao and Yan Xiao and Jian-Guang Lou and Ting Liu and Dongmei Zhang},
journal= {arXiv preprint arXiv:1905.08205},
year = {2019}
}
备注
To appear in ACL 2019