我々は、BERTベースのモデルを用いてテキストからSQLを生成する問題（text-to-SQL問題）を解決するためのシンプルな手法を提案する。本手法の基本的な観察として、質問文に含まれる一部の語とテーブル内のコンテンツが一致する場合があること、また、テーブルのヘッダー項目の一部も質問文内の語と一致する場合があることにある。この現象を活用し、深層学習モデルに追加の特徴ベクトル2つをエンコードする。また、訓練時とテスト時においてテーブルの内容がほぼ同一であるという性質を活かし、モデルの推論効率も向上する。提案手法はWikiSQLデータセット上で評価され、BERTベースのベースラインに対して論理形式精度（logic form accuracy）および実行精度（execution accuracy）の両面で3.7%の向上を達成し、現在の最先端（state-of-the-art）性能を実現した。