自然言語から構造化查询言語（SQL）のクエリを生成することは、長年の未解決問題となっています。データベースのテーブルに関する自然言語の質問に答えるには、テーブルの列と質問との間の複雑な相互作用をモデル化する必要があります。本論文では、この問題を解決するために合成アプローチを適用しました。SQLクエリの構造に基づいて、モデルを3つのサブモジュールに分割し、それぞれに対して特定の深層ニューラルネットワークを設計しました。類似した機械読解タスクから着想を得て、双方向注意メカニズムと畳み込みニューラルネットワーク（CNNs）による文字レベルの埋め込みを使用して結果を向上させました。実験評価によると、当社のモデルはWikiSQLデータセットにおいて最先端の成果を達成しています。注：「構造化查询言語」は一般的に「構造化查询言語 (SQL)」と表記されます。また、「データベース」は「データベース」または「データベース」で表現されますが、「データベース」がより一般的です。