구문과 테이블 인식을 활용한 의미 해석 및 SQL 생성

우리는 자연어 질문을 SQL 쿼리로 변환하는 생성 모델을 제시합니다. 기존의 신경망 기반 접근 방식은 일반적으로 단어별로 SQL 쿼리를 생성하지만, 질문 단어와 테이블 내용 간의 불일치로 인해 생성된 결과의 대부분이 오류나 실행 불가능한 경우가 많습니다. 우리의 접근 방식은 테이블 구조와 SQL 언어의 문법을 고려하여 이 문제를 해결합니다. 생성된 SQL 쿼리의 품질은 (1) 열 이름, 셀 또는 SQL 키워드에서 내용을 복제하는 방법을 학습하고, (2) 열-셀 관계를 활용하여 WHERE 절의 생성을 개선함으로써 크게 향상되었습니다. 실험은 가장 많은 질문-SQL 쌍을 포함하는 최근에 발표된 데이터셋인 WikiSQL에서 수행되었습니다. 우리의 접근 방식은 최신 기술 수준의 실행 정확도를 69.0%에서 74.4%로 크게 개선했습니다.