Text2SQL论文-11：Data-Anonymous Encoding for Text-to-SQL Generation

在文本到SQL的生成中，输入话语通常包含大量与表中的列名或单元格相关的标记，称为表相关标记，将输入语句中的标记映射到SQL查询中的常量叫做词汇问题。词汇问题可以表述为一个顺序标记问题，称为匿名化，其中输入话语中的每个标记都将被标记为与列名、单元格或无相关。这些与表相关的标记对于下游的神经语义解析器来说是很麻烦的，因为它带来了复杂的语义。

  

如果能在神经语义解析之前减少词法问题，训练难度会大大减轻。原因有两个：

第一，通过在神经语义分析器之前匿名化输入话语中的表相关标记，我们可以隐藏表相关标记的复杂语义。

第二，不同的输入话语具有不同的表相关标记，但是具有相同的结构，在它们被输入到解析器之前，可以被简化为相同的匿名话语。

论文使用基于学习的方法来减少词汇问题，即匿名化与表相关的标记。

考虑到没有用于匿名化的标记数据，建议提取出现在SQL查询中的列名和单元格的集合，并使用该集合作为监督。利用这种隐含的监管的另一个好处是，我们可以使优化模型考虑与组件的关系。此外，为了弥补我们的模型是一个顺序标记模型，而从查询中提取的监督是一个无序集的差距，我们利用策略梯度(威廉姆斯，1992)来训练模型。