意味解析と文法およびテーブルを考慮したSQL生成

私たちは自然言語の質問をSQLクエリに変換する生成モデルを提案します。既存のニューラルネットワークベースのアプローチは通常、SQLクエリを単語ごとに生成しますが、生成された結果の大部分が誤りまたは実行不能であることが多く、これは質問の単語とテーブルの内容との不一致によるものです。私たちのアプローチでは、テーブルの構造とSQL言語の文法を考慮することで、この問題に対処しています。生成されたSQLクエリの品質は、(1) 列名、セル、またはSQLキーワードから内容を複製することを学習し；(2) 列とセルの関係を利用することでWHERE句の生成を改善することで、大幅に向上しました。実験は最近公開された最大規模の質問-SQLペアデータセットであるWikiSQLで行われました。私たちのアプローチは最先端の実行精度を69.0%から74.4%に大幅に向上させました。