计算机应用研究

作者：刘洋,廖薇,徐震,

单位：上海工程技术大学a.电子电气工程学院;b.机械与汽车工程学院,上海201620；

关键词：多任务学习,自然语言转SQL,自然语言处理,表字段,

基金：国家自然科学基金资助项目(62001282)；；

现有的自然语言转SQL（NL2SQL）方法没有充分利用数据表的字段信息，而这对于问题的语义理解和SQL语句的逻辑生成有着重要作用。为了提高SQL生成的整体准确性，提出一种融合数据表字段的NL2SQL方法（FC-SQL）。首先，利用BERT预训练模型对问题和数据库表字段进行合并编码表示；其次，采用多任务学习的方式，结合并联和级联的方式构建多任务网络，以预测不同子任务；最后，针对条件值提取子任务，通过融合字段信息计算问题中词与表字段的相似度，并以相似度值作为权重来计算每个词语作为条件值的概率，从而提高条件值预测的准确率。在TableQA数据集上的逻辑形式准确率与SQL执行准确率分别达到88.23%和91.65%。设计消融实验验证表字段信息对于模型的影响，实验结果表明融入表字段后，条件值抽取子任务效果有所提升，进而改善了NL2SQL任务的整体准确率，相较于对比模型有更好的SQL生成效果。

来源：2024年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第9期