摘要

我们提出了一种面向零样本可执行语义解析的接地适配方法（Grounded Adaptation for Zero-shot Executable Semantic Parsing, GAZP），用于将现有的语义解析器适配至新环境（如新的数据库模式）。GAZP通过结合前向语义解析器与后向话语生成器，在新环境中合成数据（如自然语言话语和SQL查询），并筛选出循环一致的样本用于解析器的适配。与通常在训练环境中合成未经验证样本的数据增强方法不同，GAZP在新环境中生成的数据均经过输入-输出一致性验证，确保合成样本的有效性。在Spider、Sparc和CoSQL等零样本语义解析任务上，GAZP显著提升了基线解析器的逻辑形式准确率与执行准确率。分析结果表明，GAZP在训练环境中的表现优于传统数据增强方法，且随着GAZP合成数据量的增加，性能持续提升，同时循环一致性是实现成功适配的核心机制。