基于树状模型的复杂自然语言查询转SQL技术研究

自然语言查询转SQL(NL2SQL)是指将自然语言表达的查询文本自动转化成数据库系统可以理解并执行的结构化查询语言SQL表达式的技术.NL2SQL可以为普通用户提供数据库查询访问的自然交互界面,从而实现基于数据库的自然问答.复杂查询的NL2SQL是当前数据库学术界的研究热点,主流方法采用序列到序列(Seq2seq)的编解码方式对问题进行建模.然而,已有的工作大多基于英文场景,面向中文领域实际应用时,中文特殊的口语化表达导致复杂查询转化困难;此外,现有工作难以正确输出包含复杂计算表达式的查询子句.针对上述问题,提出一种树状模型取代序列表示,将复杂查询自顶向下分解为多叉树,树结点代表SQL的各组成元素,采用深度优先搜索来预测生成SQL语句.在Du SQL中文NL2SQL竞赛的两个官方测试集中,该方法分别取得了第1名和第2名的成绩,验证了其有效性.

数据库自然语言查询系统Nchiql中语义依存树向SQL的转换

本文介绍了关系数据库受限自然语言查询系统NChiql中语义依存树向SQL的转换算法。文章首先介绍了集合块的概念、划分方法以及集合块向SQL的转换算法 ,然后再给出最大集合块的再次划分方法 。

融合LSTM的自然语言转结构化查询语句算法的研究与设计

自然语言转结构化查询语句(Natural Language to SQL,NL2SQL)是信息领域一个重要课题.目前前沿的NL2SQL工作都是针对英文数据集,而处理英文数据的方法直接应用到中文上往往难以取得很好的效果.本文首先对传统的SQLNet模型进行了改进,在其中融入了预训练模型,增强了其提取特征的能力;之后又分别对分类模型和条件值模型进行了改进:在分类模型中增加了LSTM进一步捕捉特征,在条件值模型中使用正则表达式等手段对特殊的条件子句进行了预处理.实验表明,本文对分类模型和条件值模型所做的改进都能有效提升模型的表达效果.

自然语言生成多表SQL查询语句技术研究

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。

一种新型的数据库自然语言查询实现方案

当前深度学习技术对数据库自然语言查询的实现起到了很大的推动作用,但是仍存在难以实现复杂查询、准确率不高等问题。因此,提出了新型数据库自然语言查询实现方案,设计了一种基于谓词的、类Prolog语言的中间语言,以自然语言—中间语言—SQL的方式实现了很高的准确率,解决了自然语言与SQL语句之间语义差距大的问题,可以投入到实际应用中。还提出了一种学习样本自动生成的方法,降低了数据库自然语言查询技术的使用难度。

基于Ontology的数据库自然语言查询接口的研究

提出了一种基于Ontology的关系数据库自然语言查询接口的系统模型及设计框架。采用WordNet作为基本数据库并在WordNet之上定义领域词库,可以提高语法分析的识别率;同时利用Ontlogly知识表达能力存储关系数据库概念模型,并对概论模型的内容进行扩充;另外对Ontology和WordNet的同义词集进行关联,可以提高语义的识别率。用户的输入查询语句通过语法分析、语义分析生成中间表达式语言DRS,然后通过模板技术转换成SQL,通过DBMS执行SQL并返回结果。实验证明,这种方案不但实用可行,而且通过逐步完善Ontology知识库的定义,可以大大提高查询的命中率;另外通过WordNet和Ontology定义领域词库和领域知识,提高了系统的可移植性。最后,所提供的方法可以很容易地移植到其他领域。

基于自然语言的数据库查询生成研究综述

数据库能够提供对大量数据的高效存储和访问,然而查询数据库需要掌握数据库查询语言SQL,对于普通用户而言存在一定的门槛.基于自然语言的数据库查询(即text-to-SQL)在最近几年受到了广泛的关注.对text-to-SQL问题的当前进展进行了系统的分析.首先介绍了问题背景,并对问题进行了描述;其次,重点分析了目前提出的text-to-SQL技术,包括基于流水线的方法、基于统计学习的方法,以及为多轮text-to-SQL而开发的技术,对每种方法都进行了深入的分析和总结.再次,进一步讨论了text-to-SQL所属的语义解析(semantic parsing)这一领域的研究.接着,总结了目前研究中广泛采用的数据集和评价指标,并从多个角度对主流模型进行了比较和分析.最后,总结了text-to-SQL任务面临的挑战,以及未来的研究方向.

受限领域自然语言数据库查询接口研究

数据库查询是通过SQL实现的 ,而作为非专业用户是很难掌握SQL ,为了实现自然语言数据库查询以改善人机交互的容易程度 ,必须实现将自然语言问句转换成数据库查询语言 (SQL)以实现数据库查询 .介绍了实现自然语言数据库查询接口总体结构 ,并以房产领域为例 ,详细介绍了自然语言问句分析、问句形式化分析、中介查询语言的生成及SQL的转换算法等实现过程 .实验测试证明

基于字段嵌入的数据库自然语言查询接口

将自然语言转化成数据库可以执行的查询语句,是目前智能交互和人机对话系统的核心难题,也是新型供电列车大数据运用支撑平台对接应用平台及建立城轨列车个性化运维系统的难点。现有的基于神经网络的方法没有充分利用数据表的丰富信息,影响了查询的准确率。针对数据表内容作为输入的情况下,如何提升自然语言查询接口的查询准确率的问题,文中创新地提出了基于数据表内容的字段嵌入方法,利用数据表中每个字段存储的内容对字段进行嵌入表示,并据此提出了新的模型嵌入层结构;此外,提出了一种基于数据表内容的数据增强方法,通过用数据表相同字段中的其他记录去代替查询语句中的属性值,来产生新的训练样本。最后,针对提出的字段嵌入表示和数据增强方法,在WikiSQL数据集上进行了对比实验。实验结果显示,相比当前效果最好的模型,单独使用这两种方法时能够提升0.6%~0.8%的查询准确率,共同使用时则能够提升接近1%的查询准确率,证明所提字段嵌入和数据增强方法对查询准确率有一定的提升作用。

数据库汉语自然语言查询技术研究

从数据库汉语自然语言查询的目的和对象出发,研究利用数据库预查询技术,结合数据库语义分析技术、自然语言句子结构分析技术,来分析处理自然语言查询的方法。明确提出查询要素切分、条件值归属模糊、探测查询、超关系等概念,使自然语言查询技术研究概念清楚、目的明确、方法简单易于实现,具有很强的可移植性和通用性。

自然空间查询语言解译机制研究

基于自然语言的空间查询语言是空间数据库和智能GIS的重要研究领域。针对空间查询语言的特殊性就基于自然语言的空间查询语言的解译机制进行了细致的研究。在空间目标名称库、空间词汇库、空间查询句型模板库、空间语料库、查询结果模板库等空间知识库的支持下,介绍了如何用最大匹配分词技术对空间查询语句进行分词;说明了利用空间查询句型模板库中的句型对查询语句进行句法分析,最终解译出空间查询目标和相应空间操作的过程;详细阐述了如何进一步将这些空间目标和空间操作转换成中间空间查询语句(即扩展空间数据类型和空间函数的SQL),并由关系数据库执行查询;最后就如何选择文字或图形两种语言形式进行查询结果表示做了说明。

数据库自然语言接口技术研究在教学中的应用

数据库结构化查询系统,也称Structured Query Language(SQL)是一种数据库查询和程序设计语言,也是目前使用最广泛的数据库语言。本文从数据库结构化查询系统的现状和教学问题出发,提出了中文SQL理念,建立中文SQL语言库,并结合具体例子,阐明实现SQL的三个步骤和两个模块,从而改进SQL的学习。

基于稀疏连接和多通道LSTM的NL2SQL研究

Natural Language To SQL(NL2SQL)任务的目标是将自然语言查询转化为结构化查询语言。现有的大多数模型所使用的方法是将NL2SQL任务分解为多个子任务,为每个子任务构建一个专用的全连接神经网络解码器。这些方法存在一些问题,如模型设计与模型结构较为简单,在学习不同子任务之间的依赖关系的能力有限。为了解决这些问题,将多通道并行LSTM模型引入到NL2SQL任务中,并采用稀疏连接层联合不同的子任务解码器,提升神经网络表现能力和计算资源的使用效率。在WikiSQL数据集上的评估结果表明,与基线模型相比,文中提出的模型计算精度较好。

融合表字段的NL2SQL多任务学习方法

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。

一种数据库汉语查询接口的设计与实现

使数据库自然语言接口(NLIDB)能够处理灵活多变的查询语句,增强NLIDB的可用性,是NLIDB研究的一个重要目标。设计并实现了一种数据库汉语查询接口。该查询接口采用语义依存树作为查询语句向SQL转化的中间语言,在构建了基于Nivre算法的语义依存树生成模型的基础上,提出了解决数据库语义歧义问题的方法以及一种新的将语义依存树划分为集合块的划分策略及其向SQL语句的转化方法。实验表明,该系统能够有效地处理各种形式的查询问句,具有良好的可用性。

融合字段类型与文本匹配的中文问句解析

自然语言转SQL语句技术可以帮助用户使用数据库,而WikiSQL数据集对表格内容的保护一定程度上限制了模型的使用,基于此,提出一种融合字段类型与文本匹配的中文问句解析方法。基于SQL结构分解问句解析任务,通过字段类型相关的分隔符将表结构信息结合到RoBERTa编码器输入中,并使用结合编辑距离与语义词典的文本匹配来使模型更加鲁棒。在中文数据集TableQA进行测试,该方法取得了最好的效果,正确率达到93.44%。