来源：期刊VIP网 时间：
作者：王孝红;杨帅强;
单位：四川传媒学院图书馆;四川传媒学院信息中心;
摘要：结构化查询语言(Structured Query Language, SQL)生成器对于非专业人员检索信息至关重要，模型学习模式链接和模式编码等关系结构是自然语言转换为SQL,即Text-to-SQL任务的关键步骤。不同的关系结构通常利用不同结构的模型进行学习，难以兼容现有固定结构的大型预训练模型。现有方法往往忽视问题依赖结构关系和问题共引用关系对模型的影响，很难同时利用不同的关系结构。为了解决上述问题，提出基于关系感知注意力(Relation-Aware Attention, RAA)的信息检索SQL生成器，使用RAA机制学习模式链接和模式编码等关系结构，引入问题依赖结构关系和问题共引用关系使模型更具泛化性，利用关系副本方法处理关系与输入标记之间的粒度。RAA能够在利用预训练权重的情况下向模型引入新的关系权重。在3个包含单回合和多回合场景的Text-to-SQL数据集上进行了大量实验，结果表明RAA在不同数据集上均表现出最佳性能。
关键词：结构化查询语言生成器;;信息检索;;Text-to-SQL;;预训练模型;;关系感知注意力
基金资助：四川省科技计划资助(2023YFG0027)~~
