多关注历史：一种面向对话式Text-to-SQL的上下文建模策略

对话式文本转SQL旨在将多轮自然语言查询转换为相应的SQL（结构化查询语言）表达式。对话式文本转SQL面临的最棘手问题之一，是如何准确建模多轮查询的语义，并获取当前查询所需的正确信息。本文表明，通过显式地建模每一轮对话带来的语义变化，并对整个对话上下文进行摘要，能够显著提升将对话式查询转换为SQL的性能。具体而言，我们提出了两种对话建模任务，分别在“轮次粒度”和“对话粒度”上进行。这两种任务作为辅助训练任务，旨在帮助实现多轮对话的语义解析。我们通过实证研究验证了该方法的有效性，并在大规模开放域对话式文本转SQL数据集上取得了新的最先进（SOTA）性能。实验结果表明，所提出的机制显著提升了多轮语义解析的准确率与整体性能。