计算机科学与探索

作者：曹金超，黄滔，陈刚，吴晓凡，陈珂

单位：1. 浙江大学 计算机科学与技术学院，杭州 3100272. 浙江邦盛科技有限公司，杭州 3100123. 浙江大学 浙江省大数据智能计算重点实验室，杭州 3100274. 网易（杭州）网络有限公司，杭州 310051

关键词：自然语言,SQL查询生成,多表,模板填充,深度学习

自然语言生成SQL查询不仅是构建智能数据库查询系统的一个重要组成部分，亦是新型供电轨道交通系统混合时态大数据个性化运维的难点之一。目前利用深度学习模型的方法专注于数据库中单表SQL查询生成，无法解决数据库中多表SQL查询生成。针对这个问题，采用一种基于SQL语句模板填充的方法，将序列生成问题转化为多个分类问题，在训练深度学习模型的过程中充分利用SQL子句不同预测成分之间的依赖关系。在FROM子句的多表JOIN路径生成方面，将其建模为斯坦纳树问题，采用一种全局最优的算法来进行求解。在一个开放的文本生成SQL数据集Spider上对模型和算法进行实验验证，实验结果表明该方法能有效地提升多表SQL查询生成的查询匹配准确率。

来源：2020年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第7期