会話型テキストtoSQLは、複数回にわたる自然言語クエリをその対応するSQL（構造化クエリ言語）表現に変換することを目的としている。会話型テキストtoSQLにおける最も取り組みが難しい課題の一つは、複数ターンにわたるクエリの意味構造を適切にモデル化し、現在のクエリに必要な情報を正確に収集することである。本論文では、各ターンごとの意味変化を明示的にモデル化し、全体の文脈を要約する手法を導入することで、会話型クエリをSQLに変換する性能が向上することを示している。特に、ターン単位および会話単位の両方において、新たな会話モデリングタスクを提案する。これらのタスクは、多ターン会話の意味解析を支援するための補助的な学習タスクとして機能する。実証的研究を通じて、大規模なオープンドメイン会話型テキストtoSQLデータセットにおいて、新たな最先端の成果を達成した。結果から、提案するメカニズムが多ターン意味解析の性能を顕著に向上させることを示している。