ValueNet:一种从数据库信息学习的自然语言到SQL系统
数据库
2021-02-24 v2 人工智能
摘要
为数据库构建自然语言(NL)接口数十年来一直是一项长期存在的挑战。这些所谓的NL-to-SQL系统的主要优势在于,最终用户可以在无需了解SQL或底层数据库模式的情况下查询复杂数据库。由于机器学习的显著进步,近期研究的焦点一直在于利用神经网络在诸如Spider之类的复杂数据集上应对这一挑战。若干近期的NL-to-SQL系统在该数据集上取得了有前景的结果。然而,已发布的系统中,凡提供源代码或可执行二进制的,均没有提取并整合来自用户问题的值以生成SQL语句。因此,这些系统在实际场景中的实用价值尚未得到充分证明。本文提出ValueNet light与ValueNet——两个端到端的NL-to-SQL系统,它们利用具有挑战性的Spider数据集来整合值。我们方法的主要思想是不仅使用底层数据库的元数据信息,还将基础数据的信息作为我们神经网络架构的输入。特别地,我们提出了一种新颖的架构草图,用于从用户问题中提取值并给出问题中未明确提及的可能值候选。随后,我们使用基于编码器-解码器架构的神经模型来合成SQL查询。最后,我们使用执行准确率(Execution Accuracy)度量在Spider挑战上评估我们的模型,该度量比挑战中多数参与者所用的度量更为困难。我们的实验评估表明,ValueNet light与ValueNet在整合值的情况下,从NL到SQL的翻译分别达到了67%与62%的准确率,取得了最先进(state-of-the-art)结果。
引用
@article{arxiv.2006.00888,
title = {ValueNet: A Natural Language-to-SQL System that Learns from Database Information},
author = {Ursin Brunner and Kurt Stockinger},
journal= {arXiv preprint arXiv:2006.00888},
year = {2021}
}