原文链接:https://blog.csdn.net/lizhilikjgcisdgf/article/details/108412794
在本文中,我们提出了一种新颖的方法TYPESQL,它将此问题视为插槽填充任务。 另外,TYPESQL利用类型信息更好地理解自然语言问题中的稀有实体和数字.
1.输入预处理-类型识别:识别的类型包括数字类(整数、浮点、日期、年份),实体类(人名、地名、国家、结构、体育,基于Freebase的数据利用grams和关键词查询)、表的列明。参考图中最下面的type,每个词都会对应一个类型。
2.输入编码器:包含两个BI-LSTM,一个是输入query+type的编码器(左下方),另一个是表的列名的编码器(左上方)。
3.槽填充模型:包含三个模型(右侧),
(1)Model_col:预测select的列、条件的数量、条件的列;
(2)Model_agg:预测聚合函数;
(3)Model_opval:预测运算符、条件的取值。