摘要

文本到SQL（Text-to-SQL）任务旨在将自然语言问题转化为对应的SQL查询语句，近年来受到广泛关注。该任务中最具挑战性的问题之一是如何使训练好的模型泛化到未见过的数据库模式（database schema），即所谓的跨领域Text-to-SQL任务。其核心在于两个关键方面的泛化能力：（i）对问题和数据库模式进行建模的编码方法；（ii）问题与模式之间建立映射的问句-模式关联方法。针对上述两个关键问题，本文提出一种结构感知的双图聚合网络（Structure-Aware Dual Graph Aggregation Network, SADGA），用于解决跨领域Text-to-SQL问题。在SADGA中，我们采用图结构为自然语言问题和数据库模式构建统一的编码模型。基于该统一建模框架，进一步设计了一种结构感知的聚合方法，用于学习问题图与模式图之间的语义映射关系。该结构感知聚合方法具有三大特性：全局图连接（Global Graph Linking）、局部图连接（Local Graph Linking）以及双图聚合机制（Dual-Graph Aggregation Mechanism）。我们不仅通过实验对所提方法的性能进行了充分验证，而且在撰写本文时，该方法在具有挑战性的Text-to-SQL基准数据集Spider上取得了第三名的成绩。