来源：期刊VIP网 时间：
作者：向宁;
单位：乐山职业技术学院人工智能学院;
摘要：结构化查询语言(Structured Query Language, SQL)生成模型对于非专业人员检索情报至关重要。通常训练SQL生成模型需要使用标注的SQL以及对应的自然语言问题，现有SQL生成模型难以推广到不同的训练数据。根据问题分解半结构化表示(Decomposition Semi-structed Representation, DSR),提出一种基于弱监督学习的Text-to-SQL自动生成方法(Text-to-SQL Automatic Generation Method Based on Weakly Supervised Learning, TS-WSL),给定问题、DSR和执行答案，能够自动合成用于训练Text-to-SQL模型的SQL查询。使用DSR解析器对问题进行解析，通过短语链接、连接路径推理以及SQL映射过程生成候选SQL;使用候选SQL搜索选择最佳的SQL查询；使用生成的SQL数据对T5模型进行训练。在5个基准数据集上进行实验，结果表明所提方法比基于注释SQL数据集上训练的模型更具泛化性，在无域内DSR场景下，仍然可以达到完全监督模型约90%的性能。
关键词：结构化查询语言生成模型;;分解半结构化表示;;弱监督学习;;大模型
基金资助：国家自然科学基金(12171159);; 四川省科技计划资助(2018TJPT0013)~~
