文献类型：期刊文章

作　　者：曹金超[1] 黄滔[2] 陈刚[1,3] 吴晓凡[4] 陈珂[1,3]

CAO Jinchao;HUANG Tao;CHEN Gang;WU Xiaofan;CHEN Ke(College of Computer Science and Technology,Zhejiang University,Hangzhou 310027,China;Zhejiang Bangsun Technology Co.,Ltd.,Hangzhou 310012,China;Key Laboratory of Big Data Intelligent Computing of Zhejiang Province,Zhejiang University,Hangzhou 310027,China;Netease(Hangzhou)Network Co.,Ltd.,Hangzhou 310051,China)

机构地区：[1]浙江大学计算机科学与技术学院,杭州310027 [2]浙江邦盛科技有限公司,杭州310012 [3]浙江大学浙江省大数据智能计算重点实验室,杭州310027 [4]网易(杭州)网络有限公司,杭州310051

出　　处：《计算机科学与探索》

基　　金：国家重点研发计划No.2017YFB1201001;国家自然科学基金No.61672455;浙江省自然科学基金No.LY18F020005。

年　　份：2020

卷　　号：14

期　　号：7

起止页码：1133-1141

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、PROQUEST、ZGKJHX、核心刊

摘　　要：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。

关 键 词：自然语言 SQL查询生成  多表  模板填充  深度学习  

分 类 号：TP391.1]