SQLNet论文解读

           SQLNet是一种将自然语言问句转化为SQL的深度学习模型，它应用在wiki数据集上，能够实现select（可以加聚合函数），where功能，其中where预测的好坏决定了整个模型的好坏。如：

        在SQLNet之前人们主要用seq2seq+attention网络进行NL2SQL任务解析，但seq2seq存在一个问题：即seq2seq对序列的前后顺序要求极为严格，但SQL语句对顺序要求没那么严格，例如：

      上述两个SQL语句的执行结果相同，但seq2seq模型认为这是两个SQL语句。

      SQLNet针对上述问题提出三个创新点：

      1   seq2set   seq即指问句序列与表头信息，set指的是预测出的select列名集合、聚合函数、条件约束等

      2  网络结构：

    SQLNet将任务解析为select和where两部分，其中聚合函数的预测依赖于select columns，where字句中op与value依赖与where columns。

   3  列注意机制

    该机制主要是为了提高where 字句中columns的预测准确率，

     

     该公式用来预测该列是否属于where字句中的columns，其中u分别代表网络中模型的参数，E代表模型对col和Q进行编码。从该公式可以看出，select字句中的columns与where字句中的columns的权重相同，该公式并不能将两者区分开来。

     当计算出上述p值后，即该列属于where字句columns的概率。该模型并不是设置阈值取高于阈值作为where colmns，而是再设置一个任务来预测包含的条件个数k，然后取p值的最高的前k作为where columns。

    预测生成where columns后，op的预测即为一个分类问题，从[>,<,=]集合中取一个，value的预测变为了一个预测问句字串的问题，即序列标注问题。