摘要

从自然语言生成结构化查询语言（SQL）查询是一个长期未解决的开放问题。回答关于数据库表的自然语言问题需要建模表格列与问题之间的复杂交互。在本文中，我们采用综合方法来解决这一问题。基于SQL查询的结构，我们将模型分解为三个子模块，并为每个子模块设计了特定的深度神经网络。借鉴类似机器阅读任务的思路，我们采用了双向注意力机制和字符级嵌入结合卷积神经网络（CNNs）的方法来提升结果。实验评估表明，我们的模型在WikiSQL数据集上达到了最先进的性能。