文献类型：期刊文章

作　　者：潘璇[1,3] 徐思涵[1,3] 蔡祥睿[2,3] 温延龙[1,3] 袁晓洁[2,3]

Pan Xuan;Xu Sihan;Cai Xiangrui;Wen Yanlong;Yuan Xiaojie(College of Computer Science,Nankai University,Tianjin 300350;College of Cyber Science,Nankai University,Tianjin 300350;Tianjin Key Laboratory of Network and Data Security Technology(Nankai University),Tianjin 300350)

机构地区：[1]南开大学计算机学院,天津300350 [2]南开大学网络空间安全学院,天津300350 [3]天津市网络与数据安全技术重点实验室(南开大学),天津300350

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金重点项目(U1936206);国家自然科学基金项目(U1836109,U1903128);国家自然科学基金面上项目(61772289,62077031);国家自然科学基金青年科学基金项目(62002178);天津市自然科学基金项目(20JCQNJC01730)。

年　　份：2021

卷　　号：58

期　　号：9

起止页码：1925-1950

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：数据库自然语言接口(natural language interface to database,NLIDB)能够凭借自然语言描述实现数据库查询操作,是促进用户无障碍地与数据库交互的重要工具.因为NLIDB具有较高的应用价值,近年来一直受到学术与商业领域的关注.目前成熟的NLIDB系统大部分基于经典自然语言处理方法,即通过指定的规则实现自然语言查询到结构化查询的转化.但是基于规则的方法仍然存在拓展性不强的缺陷.深度学习方法具有分布式表示和深层次抽象表示等优势,能深入挖掘自然语言中潜在的语义特征.因此近年来在NLIDB中,引入深度学习技术成为了热门的研究方向.针对基于深度学习的NLIDB研究进展进行总结:首先以解码方法为依据,将现有成果归纳为4种类型分别进行分析;然后汇总了7种模型中常用的辅助方法;最后根据目前尚待解决的问题,提出未来仍需关注的研究方向.

关 键 词：自然语言接口 数据库 SQL 深度学习  语义分析

分 类 号：TP391]