基于问题分解的弱监督文本到SQL解析
计算与语言
2024-08-05 v4 人工智能
数据库
摘要
文本到SQL解析器对于使非专家能够轻松查询关系数据至关重要。相比之下，训练此类解析器通常需要具备用相应SQL查询标注自然语言（NL）话语的专业知识。在这项工作中，我们提出了一种用于训练文本到SQL解析器的弱监督方法。我们利用最近提出的问题意义表示QDMR（一种介于NL与形式化查询语言之间的中间表示）。给定问题、它们的QDMR结构（由非专家标注或自动预测）以及答案，我们能够自动合成用于训练文本到SQL模型的SQL查询。我们通过在五个基准数据集上进行实验来测试我们的方法。结果表明，弱监督模型的性能与那些在标注的NL-SQL数据上训练的模型具有竞争力。总体而言，我们在零SQL标注的情况下有效地训练了文本到SQL解析器。
引用
@article{arxiv.2112.06311,
title = {Weakly Supervised Text-to-SQL Parsing through Question Decomposition},
author = {Tomer Wolfson and Daniel Deutch and Jonathan Berant},
journal= {arXiv preprint arXiv:2112.06311},
year = {2024}
}
备注
Accepted for publication in Findings of NAACL 2022. Author's final version