数据库中文查询对偶学习式生成SQL语句研究

针对当前中文NL2SQL(Natural language to SQL)监督学习中需要大量标注数据问题,该文提出基于对偶学习的方式在少量训练数据集上进行弱监督学习,将中文查询生成SQL语句。该文同时使用两个任务来训练自然语言转化到SQL,再从SQL转化到自然语言,让模型学习到任务之间的对偶约束性,获取更多相关的语义信息。同时在训练时使用不同比例带有无标签的数据进行训练,验证对偶学习在NL2SQL解析任务上的有效性。实验表明,在不同中英文数据集ATIS、GEO以及TableQA中,本文模型与基准模型Seq2Seq、Seq2Tree、Seq2SQL、以及-dual等相比,百分比准确率至少增加2.1%,其中在中文TableQA数据集上采用对偶学习执行准确率(Execution Accuracy)至少提升5.3%,只使用60%的标签数据就能取得和监督学习使用90%的标签数据相似的效果。

基于层次分析法的科技安全影响因素研究

通过对已有文献进行归纳分析,梳理出影响我国科技安全的因素,即科技环境和科技实力两大类,具体包括国际政治、技术封锁、科技体制、行业水平、科研经费和创新能力、科技人才、科技成果、科技基础。基于层次分析法,利用yaahp工具计算出各因素的权重排序,最终得出创新能力是影响科技安全的最主要因素,科技环境的影响次于科技实力。