과거에 더 주의를 기울이자: 대화형 텍스트-to-SQL을 위한 컨텍스트 모델링 전략

대화형 텍스트-SQL 변환은 다단계 자연어 질의를 해당하는 SQL(구조화된 쿼리 언어) 표현으로 변환하는 것을 목표로 한다. 대화형 텍스트-SQL 변환의 가장 해결하기 어려운 문제 중 하나는 다단계 질의의 의미를 모델링하고 현재 질의에 필요한 적절한 정보를 수집하는 것이다. 본 논문은 각 단계를 차례로 추가하면서 의미 변화를 명시적으로 모델링하고 전체 맥락을 요약함으로써 대화형 질의를 SQL로 변환하는 성능을 향상시킬 수 있음을 보여준다. 특히, 단계 수준과 대화 수준에서 두 가지 대화 모델링 작업을 제안한다. 이러한 두 가지 작업은 다단계 대화형 의미 분석을 보조하는 보조 학습 작업으로 간단히 작동한다. 우리는 실증 연구를 수행하여 대규모 개방형 도메인 대화형 텍스트-SQL 데이터셋에서 새로운 최고 성능을 달성하였다. 결과는 제안된 메커니즘이 다단계 의미 분석 성능을 크게 향상시킨다는 것을 입증한다.