图神经网络在Text-to-SQL解析中的技术研究

语义解析领域中的Text-to-SQL任务对实现基于数据库的自动问答具有重要意义。现有深度学习模型,如Seq2Seq的序列生成模型在单表SQL查询中已取得显著效果,但无法解决多表SQL查询的问题。图神经网络能够有效提取数据库表和问句之间的关联信息,丰富解析过程中的语义信息,从而提升多表SQL查询的准确率。文中提出一种自适应的图构建方式和图编码方式,在现有Text-to-SQL模型中引入问句信息,通过对问句和数据库的拼接词向量进行卷积操作生成图网络初始化权重,对同种类型下的不同数据库可实现统一训练。采用IRNet框架和关系扩充的方式进行整体模型设计,在当前开放的Text-to-SQL数据集Spider上进行验证。结果表明,该技术能够有效提升多表SQL语句生成的匹配准确率,同时算法对图神经网络在Text-to-SQL领域的研究具有重要的参考价值。

保偏光纤双折射度压力敏感性分析

基于有限元法对不同外界压力作用下的两种典型保偏光纤——熊猫保偏光纤(PAND Apolarization-maintaining fiber,PANDAPMF)和保偏光子晶体光纤(Polarization-Maintaining Photonic Crystal Fiber,PM-PCF)的内部应力场分布与光学特性关系进行分析,求解保偏光纤有效折射率(Effective Refractive Index,ERI)和双折射度对外界压力及其作用形式的响应规律。研究结果显示在单向受力条件下,两种保偏光纤的双折射度变化率均可达到10^-6RIU/MPa;在环向均匀受力条件下,PM-PCF的双折射度变化率为10^-6RIU/MPa,远高于PANDAPMF的10^-11RIU/MPa量级,具有更高的敏感特性。为干涉型保偏光纤传感器的设计和优化提供了理论依据和参考数据,具有较好的工程应用价值。