Text2SQL论文-03：TypeSQL Knowledge-based Type-Aware Neural Text-to-SQL Generation

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。