语义解析与语法及表格感知的SQL生成

我们提出了一种生成模型，用于将自然语言问题映射为SQL查询。现有的基于神经网络的方法通常逐词生成SQL查询，然而，由于问题词汇与表内容之间的不匹配，生成的大部分结果都是错误的或不可执行的。我们的方法通过考虑表的结构和SQL语言的语法来解决这一问题。通过以下两个方面显著提高了生成SQL查询的质量：(1) 学习从列名、单元格或SQL关键字中复制内容；(2) 利用列-单元格关系改进WHERE子句的生成。我们在WikiSQL数据集上进行了实验，该数据集最近发布，包含最大规模的问题-SQL对。我们的方法显著提升了最先进的执行准确率，从69.0%提高到74.4%。