结合数据库结构及内容的问句理解方法研究

袁志祥，任冬冬，洪旭东，孙国华

（安徽工业大学计算机科学与技术学院，安徽马鞍山 243000）

0 概述

互联网上的许多重要数据都存储在结构化数据库中，其具有存储简单、数据质量高等特点。但是对于缺少相关SQL 专业知识的用户而言，很难快速准确地写出他们所需求的SQL 查询语句。为解决该问题，研究人员提出NL2SQL（Natural Language to SQL）任务，该任务要求模型根据自然语言问句和数据库表生成相应的SQL 查询，而解决该任务的关键是充分地理解自然语言问句的语义，并将其映射到SQL 表达式相应的部分（如在表中找到对应的列名，在表内容找到对应的条件值，在SQL 关键字中找到对应的聚合函数等）。

由于缺少人工标注的SQL 数据集，使得该任务未被重视。2017 年，ZHOU 等人［1］发布人工标注的大型SQL 数据集——WikiSQL，该数据集含有大量英文问句以及对应的SQL 语句和数据库表。2019年，追一科技公司在阿里云平台举办的首届中文NL2SQL 挑战赛，提供了大型中文SQL 数据集。上述数据集为训练NL2SQL 神经网络及解决语义解析提供了训练条件。

早期将自然语言转换为SQL 语句的研究是利用中间表达式的方法，结合自定义语法和规则将自然语言问句转换成SQL 语句。文献［2］使用斯坦福依存树解析器［3］解析问句，根据启发式规则生成SQL候选集，利用语法树核函数的SVM［4］对候选SQL 进行排序。文献［5］使用无监督学习的方法生成SQL，利用数据库模式限制模型的输出空间以弥补标注数据的不足，同时引入扩展状态空间的语义依存树解决语义和语法不匹配的问题。……