초록
자연어에서 구조적 쿼리 언어(SQL) 쿼리를 생성하는 것은 오랜 기간 동안 해결되지 않은 문제입니다. 데이터베이스 테이블에 대한 자연어 질문을 답변하기 위해서는 테이블의 열과 질문 간의 복잡한 상호작용을 모델링해야 합니다. 본 논문에서는 이 문제를 해결하기 위해 합성 접근법을 적용하였습니다. SQL 쿼리의 구조를 바탕으로 모델을 세 개의 하위 모듈로 분해하고 각각에 대해 특정 딥 뉴럴 네트워크를 설계하였습니다. 유사한 머신 리딩 작업에서 영감을 얻어, 양방향 주의 메커니즘과 CNN(컨볼루션 신경망)을 사용한 문자 단위 임베딩을 도입하여 결과를 개선하였습니다. 실험 평가 결과, 본 모델은 WikiSQL 데이터셋에서 최고 수준의 성능을 달성하였음을 보여주었습니다.