Die Umwandlung natürlicher Sprachabfragen in SQL-Anweisungen in einer seq2seq-Weise hat in letzter Zeit erhebliche Aufmerksamkeit erhalten. Im Vergleich zur SQL-Generierung basierend auf abstrakten Syntaxbäumen stellen seq2seq-semantische Parser jedoch erheblich größere Herausforderungen dar, insbesondere hinsichtlich der geringen Qualität der Vorhersage schematischer Informationen und der schlechten semantischen Kohärenz zwischen natürlichen Sprachabfragen und SQL-Anweisungen. In dieser Arbeit werden diese Schwierigkeiten analysiert, und es wird eine auf seq2seq ausgerichtete Decodierstrategie namens SR vorgeschlagen, die eine neue Zwischendarstellung SSQL sowie eine Nachrangordnungsmethode mit Score-Re-Estimator zur Lösung der genannten Probleme vorsieht. Experimentelle Ergebnisse belegen die Wirksamkeit der vorgeschlagenen Techniken; T5-SR-3b erreicht neue SOTA-Ergebnisse auf dem Spider-Datensatz.