CN112506949A - 结构化查询语言查询语句生成方法、装置及存储介质 - Google Patents
结构化查询语言查询语句生成方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112506949A CN112506949A CN202011412459.4A CN202011412459A CN112506949A CN 112506949 A CN112506949 A CN 112506949A CN 202011412459 A CN202011412459 A CN 202011412459A CN 112506949 A CN112506949 A CN 112506949A
- Authority
- CN
- China
- Prior art keywords
- sql
- sub
- processed
- clause
- clauses
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了SQL查询语句生成方法、装置及存储介质,涉及自然语言处理及深度学习等人工智能技术领域,其中的方法可包括:将待处理的问题切分为至少两个子问题;分别获取各子问题对应的SQL从句;将各SQL从句进行组合,得到待处理的问题对应的SQL查询语句。应用本申请所述方案,可提升获取到的SQL查询语句的准确性等。
Description
技术领域
本申请涉及人工智能技术领域,特别涉及自然语言处理及深度学习领域的结构化查询语言查询语句生成方法、装置及存储介质。
背景技术
语义解析(text-to-SQL)是语言理解的核心技术,旨在自动地将自然语言问题转化为可与数据库交互的结构化查询语言(SQL,Structured Query Language)查询语句,该技术可以帮助用户获取数据库信息,降低数据库使用门槛和成本等。
在实际应用中,有很多问题属于复杂问题,复杂问题通常涉及到多表联合、嵌套、多个操作等。当前,针对任一问题,通常采用预先训练得到的模型来生成问题对应的SQL查询语句。但这种方式在面对复杂问题时效果通常不佳,即获取到的SQL查询语句的准确性较差。
发明内容
有鉴于此,本申请提供了SQL查询语句生成方法、装置及存储介质。
一种结构化查询语言查询语句生成方法,包括:
将待处理的问题切分为至少两个子问题;
分别获取各子问题对应的结构化查询语言SQL从句;
将各SQL从句进行组合,得到所述待处理的问题对应的SQL查询语句。
一种结构化查询语言查询语句生成装置,包括:切分模块、获取模块以及组合模块;
所述切分模块,用于将待处理的问题切分为至少两个子问题;
所述获取模块,用于分别获取各子问题对应的结构化查询语言SQL从句;
所述组合模块,用于将各SQL从句进行组合,得到所述待处理的问题对应的SQL查询语句。
一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行如以上所述的方法。
上述申请中的一个实施例具有如下优点或有益效果:针对待处理的问题,可首先将其切分为多个子问题,之后可分别获取各子问题对应的SQL从句,进而可通过组合各SQL从句得到所需的SQL查询语句,即采用了将复杂问题简化为简单问题序列的方式,而获取到的简单的子问题对应的SQL从句通常比较准确,进而提升了组合得到的SQL查询语句的准确性等。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请所述SQL查询语句生成方法实施例的流程图;
图2为本申请所述SQL查询语句生成方法的整体实现过程示意图;
图3为本申请所述SQL查询语句生成装置30实施例的组成结构示意图;
图4为根据本申请实施例所述方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
另外,应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本申请所述SQL查询语句生成方法实施例的流程图。如图1所示,包括以下具体实现方式。
在步骤101中,将待处理的问题切分为至少两个子问题。
切分出的子问题的具体数量可视实际情况而定。优选地,待处理的问题可为复杂问题。
在步骤102中,分别获取各子问题对应的SQL从句(Clause)。
SQL从句也可称为SQL子句等。
在步骤103中,将各SQL从句进行组合,得到待处理的问题对应的SQL查询语句。
即将各SQL从句组合为SQL查询语句,该SQL查询语句即为待处理的问题对应的SQL查询语句。
可以看出,上述方法实施例所述方案中,针对待处理的问题,可首先将其切分为多个子问题,之后可分别获取各子问题对应的SQL从句,进而可通过组合各SQL从句得到所需的SQL查询语句,即采用了将复杂问题简化为简单问题序列的方式,而获取到的简单的子问题对应的SQL从句通常比较准确,进而提升了组合得到的SQL查询语句的准确性等。
针对待处理的问题,优选地,可将其切分为至少两个语义完整且独立的子问题,所有子问题表达的整体语义等同于待处理的问题的语义。比如,将待处理的问题切分为了三个子问题,那么,这三个子问题所表达的整体语义需要等同于待处理的问题的语义。
通过上述处理,可确保最终得到的SQL查询语句与待处理的问题的语义相匹配,进而提升了得到的SQL查询语句的准确性等。
优选地,针对待处理的问题,可首先获取待处理的问题的编码表示,之后可利用预先训练得到的问题切分模型对所述编码表示进行切分解码,从而得到所需的至少两个子问题。
如何获取待处理的问题的编码表示不作限制。比如,可通过变换器的双向编码器表示(BERT,Bidirectional Encoder Representation from Transformers)预训练模型来生成待处理的问题的编码表示。
基于得到的编码表示,可利用问题切分模型对其进行切分解码,从而得到切分出的至少两个子问题。在实际应用中,可利用现有的复杂句子切分为简单句子序列的数据集,如网页拆分(websplit)和/或维基拆分(wikisplit)数据集,训练得到问题切分模型,如何训练为现有技术。问题切分模型可为基于编码-解码(Encoder-Decoder)结构的序列到序列(Seq2Seq,Sequence to Sequence)生成模型。
借助于问题切分模型,可实现对于待处理的问题的快速准确的切分,从而为后续处理奠定良好的基础。
针对得到的各子问题,可分别获取其对应的SQL从句,即将各子问题分别映射为对应的SQL从句。
优选地,针对每个子问题,可分别利用预先训练得到的语义解析模型,得到该子问题对应的SQL从句。如将该子问题等作为输入,输入语义解析模型,从而快速准确的得到输出的SQL从句。
进一步地,针对每个子问题,还可分别进行以下处理:根据该子问题确定出该子问题对应的SQL从句的从句类型;利用确定出的从句类型对应的语义解析模型,得到该子问题对应的SQL从句,其中,不同的从句类型分别对应于各自的语义解析模型。
在实际应用中,SQL从句可分为不同的从句类型,如选择(select)、过滤(where)、排序(order)等。针对每个子问题,可通过对该子问题进行分析,确定出该子问题对应的SQL从句的从句类型。
针对不同的从句类型,可预先分别训练得到对应的语义解析模型,如何训练为现有技术。相应地,针对每个子问题,在确定出该子问题对应的SQL从句的从句类型后,可调用确定出的从句类型对应的语义解析模型,从数据库中选择对应的元素进行填充等,从而得到该子问题对应的SQL从句。
假设共存在M种不同的从句类型,M为大于一的正整数,分别为从句类型1-从句类型M,针对每种从句类型,可分别训练得到对应的语义解析模型,从而得到M个语义解析模型,分别为语义解析模型1-语义解析模型M,假设某一子问题对应的SQL从句的从句类型为从句类型2,那么则可调用从句类型2对应的语义解析模型2,从而得到该子问题对应的SQL从句。
针对不同的从句类型分别训练对应的语义解析模型,相应地,调用对应类型的语义解析模型,可进一步提升获取到的SQL从句的准确性等。
在分别得到各子问题对应的SQL从句后,可将各SQL从句进行组合,从而得到待处理的问题对应的SQL查询语句。
优选地,可根据各SQL从句之间的语法关系,将各SQL从句进行组合。比如,共得到了三个子问题,那么相应地,可得到三个SQL从句,可将这三个SQL从句按照语法关系进行组合,从而得到最终所需的SQL查询语句。
基于上述介绍,图2为本申请所述SQL查询语句生成方法的整体实现过程示意图。
如图2所示,针对待处理的问题,如某一复杂问题,可首先获取其编码表示。比如,可通过BERT预训练模型生成待处理的问题的编码表示。
之后,可根据待处理的问题的编码表示进行切分解码,从而得到子问题1-子问题N共N个子问题。
比如,可利用预先训练得到的问题切分模型对待处理的问题的编码表示进行切分解码,从而得到子问题1-子问题N共N个子问题。在实际应用中,可利用现有的复杂句子切分为简单句子序列的数据集,如websplit和/或wikisplit数据集,训练得到问题切分模型。
N个子问题均为语义完整且独立的子问题,所有子问题表达的整体语义等同于待处理的问题的语义。
之后,可分别生成各子问题对应的SQL从句,即进行图2中所示的“子问题-SQL生成”处理,从而得到SQL从句1-SQL从句N共N个SQL从句,SQL从句1对应于子问题1,SQL从句2对应于子问题2,以此类推。
其中,针对每个子问题,可分别利用预先训练得到的语义解析模型,得到该子问题对应的SQL从句。
进一步地,针对每个子问题,还可分别根据该子问题确定出该子问题对应的SQL从句的从句类型,并利用确定出的从句类型对应的语义解析模型,得到该子问题对应的SQL从句,其中,不同的从句类型分别对应于各自的语义解析模型。即针对不同的从句类型,可预先分别训练得到对应的语义解析模型,相应地,针对每个子问题,在确定出该子问题对应的SQL从句的从句类型后,可调用确定出的从句类型对应的语义解析模型,从而得到该子问题对应的SQL从句。
之后,可将得到的N个SQL从句进行组合,从而得到待处理的问题对应的SQL查询语句。比如,可根据N个SQL从句之间的语法关系,将N个SQL从句进行组合。
图2所示SQL查询语句生成过程的具体实现请参照前述相关说明,不再赘述。
另外,需要说明的是,对于前述的方法实施例,为了简单描述,将其表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本申请所述方案进行进一步说明。
图3为本申请所述SQL查询语句生成装置30实施例的组成结构示意图。如图3所示,包括:切分模块301、获取模块302以及组合模块303。
切分模块301,用于将待处理的问题切分为至少两个子问题。
获取模块302,用于分别获取各子问题对应的SQL从句。
组合模块303,用于将各SQL从句进行组合,得到待处理的问题对应的SQL查询语句。
优选地,待处理的问题可为复杂问题。其中,切分模块301可将待处理的问题切分为至少两个语义完整且独立的子问题,所有子问题表达的整体语义等同于待处理的问题的语义。
具体地,针对待处理的问题,切分模块301还可首先获取其编码表示,比如,可通过BERT预训练模型生成待处理的问题的编码表示,之后,可利用预先训练得到的问题切分模型对所述编码表示进行切分解码,从而得到至少两个子问题。
在实际应用中,可利用现有的复杂句子切分为简单句子序列的数据集,如websplit和/或wikisplit数据集,训练得到问题切分模型。
获取模块302可分别获取各子问题对应的SQL从句。其中,针对任一子问题,获取模块302可分别利用预先训练得到的语义解析模型,得到该子问题对应的SQL从句。
进一步地,针对任一子问题,获取模块302还可根据该子问题确定出该子问题对应的SQL从句的从句类型,利用确定出的从句类型对应的语义解析模型,得到该子问题对应的SQL从句,其中,不同的从句类型分别对应于各自的语义解析模型。
即针对不同的从句类型,可预先分别训练得到对应的语义解析模型,相应地,针对任一子问题,在确定出该子问题对应的SQL从句的从句类型后,可调用确定出的从句类型对应的语义解析模型,从而得到该子问题对应的SQL从句。
之后,组合模块303可将各SQL从句进行组合,从而得到待处理的问题对应的SQL查询语句。
比如,可根据各SQL从句之间的语法关系将各SQL从句进行组合,从而得到待处理的问题对应的SQL查询语句。
图3所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明,不再赘述。
总之,采用本申请装置实施例所述方案,针对待处理的问题,可首先将其切分为多个子问题,之后可分别获取各子问题对应的SQL从句,进而可通过组合各SQL从句得到所需的SQL查询语句,即采用了将复杂问题简化为简单问题序列的方式,而获取到的简单的子问题对应的SQL从句通常比较准确,进而提升了组合得到的SQL查询语句的准确性等。
本申请所述方案可应用于人工智能领域,特别涉及自然语言处理及深度学习等领域。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术,人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术,人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图4所示,是根据本申请实施例所述方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器Y01、存储器Y02,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图4中以一个处理器Y01为例。
存储器Y02即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的方法。
存储器Y02作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的方法对应的程序指令/模块。处理器Y01通过运行存储在存储器Y02中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器Y02可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器Y02可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器Y02可选包括相对于处理器Y01远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。
电子设备还可以包括:输入装置Y03和输出装置Y04。处理器Y01、存储器Y02、输入装置Y03和输出装置Y04可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置Y03可接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置Y04可以包括显示设备、辅助照明装置和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器、发光二极管显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用集成电路、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,阴极射线管或者液晶显示器监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网、广域网、区块链网络和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种结构化查询语言查询语句生成方法,包括:
将待处理的问题切分为至少两个子问题;
分别获取各子问题对应的结构化查询语言SQL从句;
将各SQL从句进行组合,得到所述待处理的问题对应的SQL查询语句。
2.根据权利要求1所述的方法,其中,所述将待处理的问题切分为至少两个子问题包括:
将所述待处理的问题切分为至少两个语义完整且独立的子问题,所有子问题表达的整体语义等同于所述待处理的问题的语义。
3.根据权利要求1所述的方法,其中,所述将待处理的问题切分为至少两个子问题包括:
获取所述待处理的问题的编码表示;
利用预先训练得到的问题切分模型对所述编码表示进行切分解码,得到所述至少两个子问题。
4.根据权利要求1所述的方法,其中,所述分别获取各子问题对应的SQL从句包括:
针对任一子问题,分别利用预先训练得到的语义解析模型,得到所述子问题对应的SQL从句。
5.根据权利要求4所述的方法,其中,所述针对任一子问题,分别利用预先训练得到的语义解析模型,得到所述子问题对应的SQL从句包括:
根据所述子问题确定出所述子问题对应的SQL从句的从句类型;
利用确定出的从句类型对应的语义解析模型,得到所述子问题对应的SQL从句,其中,不同的从句类型分别对应于各自的语义解析模型。
6.根据权利要求1所述的方法,其中,所述将各SQL从句进行组合包括:根据各SQL从句之间的语法关系将各SQL从句进行组合。
7.一种结构化查询语言查询语句生成装置,包括:切分模块、获取模块以及组合模块;
所述切分模块,用于将待处理的问题切分为至少两个子问题;
所述获取模块,用于分别获取各子问题对应的结构化查询语言SQL从句;
所述组合模块,用于将各SQL从句进行组合,得到所述待处理的问题对应的SQL查询语句。
8.根据权利要求7所述的装置,其中,
所述切分模块将所述待处理的问题切分为至少两个语义完整且独立的子问题,所有子问题表达的整体语义等同于所述待处理的问题的语义。
9.根据权利要求7所述的装置,其中,
所述切分模块获取所述待处理的问题的编码表示,利用预先训练得到的问题切分模型对所述编码表示进行切分解码,得到所述至少两个子问题。
10.根据权利要求7所述的装置,其中,
所述获取模块针对任一子问题,分别利用预先训练得到的语义解析模型,得到所述子问题对应的SQL从句。
11.根据权利要求10所述的装置,其中,
所述获取模块进一步用于,针对任一子问题,根据所述子问题确定出所述子问题对应的SQL从句的从句类型,利用确定出的从句类型对应的语义解析模型,得到所述子问题对应的SQL从句,其中,不同的从句类型分别对应于各自的语义解析模型。
12.根据权利要求7所述的装置,其中,
所述组合模块根据各SQL从句之间的语法关系将各SQL从句进行组合,得到所述待处理的问题对应的SQL查询语句。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011412459.4A CN112506949B (zh) | 2020-12-03 | 2020-12-03 | 结构化查询语言查询语句生成方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011412459.4A CN112506949B (zh) | 2020-12-03 | 2020-12-03 | 结构化查询语言查询语句生成方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112506949A true CN112506949A (zh) | 2021-03-16 |
CN112506949B CN112506949B (zh) | 2023-07-25 |
Family
ID=74970185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011412459.4A Active CN112506949B (zh) | 2020-12-03 | 2020-12-03 | 结构化查询语言查询语句生成方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112506949B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408298A (zh) * | 2021-06-30 | 2021-09-17 | 北京百度网讯科技有限公司 | 语义解析方法、装置、电子设备及存储介质 |
CN113420111A (zh) * | 2021-06-17 | 2021-09-21 | 中国科学院声学研究所 | 一种用于多跳推理问题的智能问答方法及装置 |
CN114281968A (zh) * | 2021-12-20 | 2022-04-05 | 北京百度网讯科技有限公司 | 一种模型训练及语料生成方法、装置、设备和存储介质 |
CN114490709A (zh) * | 2021-12-28 | 2022-05-13 | 北京百度网讯科技有限公司 | 文本生成方法、装置、电子设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140156260A1 (en) * | 2012-11-30 | 2014-06-05 | Microsoft Corporation | Generating sentence completion questions |
CN108108426A (zh) * | 2017-12-15 | 2018-06-01 | 杭州网蛙科技有限公司 | 自然语言提问的理解方法、装置及电子设备 |
CN109657244A (zh) * | 2018-12-18 | 2019-04-19 | 语联网(武汉)信息技术有限公司 | 一种英文长句自动切分方法及*** |
CN109815318A (zh) * | 2018-12-24 | 2019-05-28 | 平安科技(深圳)有限公司 | 问答***中的问题答案查询方法、***及计算机设备 |
CN111104423A (zh) * | 2019-12-18 | 2020-05-05 | 北京百度网讯科技有限公司 | Sql语句生成方法、装置、电子设备和存储介质 |
CN111177184A (zh) * | 2019-12-24 | 2020-05-19 | 深圳壹账通智能科技有限公司 | 基于自然语言的结构化查询语言转换方法、及其相关设备 |
CN111241245A (zh) * | 2020-01-14 | 2020-06-05 | 百度在线网络技术(北京)有限公司 | 人机交互处理方法、装置及电子设备 |
CN111309753A (zh) * | 2020-01-21 | 2020-06-19 | 上海达梦数据库有限公司 | 结构化查询语句的优化方法、装置、设备及存储介质 |
US20200210525A1 (en) * | 2018-12-28 | 2020-07-02 | Microsoft Technology Licensing, Llc | Predicting query language statements from natural language analytic questions |
CN111414380A (zh) * | 2020-03-20 | 2020-07-14 | 华泰证券股份有限公司 | 一种中文数据库sql语句生成方法、设备及存储介质 |
US20200257679A1 (en) * | 2019-02-13 | 2020-08-13 | International Business Machines Corporation | Natural language to structured query generation via paraphrasing |
CN111858880A (zh) * | 2020-06-18 | 2020-10-30 | 北京百度网讯科技有限公司 | 获取查询结果的方法、装置、电子设备和可读存储介质 |
-
2020
- 2020-12-03 CN CN202011412459.4A patent/CN112506949B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140156260A1 (en) * | 2012-11-30 | 2014-06-05 | Microsoft Corporation | Generating sentence completion questions |
CN108108426A (zh) * | 2017-12-15 | 2018-06-01 | 杭州网蛙科技有限公司 | 自然语言提问的理解方法、装置及电子设备 |
CN109657244A (zh) * | 2018-12-18 | 2019-04-19 | 语联网(武汉)信息技术有限公司 | 一种英文长句自动切分方法及*** |
CN109815318A (zh) * | 2018-12-24 | 2019-05-28 | 平安科技(深圳)有限公司 | 问答***中的问题答案查询方法、***及计算机设备 |
US20200210525A1 (en) * | 2018-12-28 | 2020-07-02 | Microsoft Technology Licensing, Llc | Predicting query language statements from natural language analytic questions |
US20200257679A1 (en) * | 2019-02-13 | 2020-08-13 | International Business Machines Corporation | Natural language to structured query generation via paraphrasing |
CN111104423A (zh) * | 2019-12-18 | 2020-05-05 | 北京百度网讯科技有限公司 | Sql语句生成方法、装置、电子设备和存储介质 |
CN111177184A (zh) * | 2019-12-24 | 2020-05-19 | 深圳壹账通智能科技有限公司 | 基于自然语言的结构化查询语言转换方法、及其相关设备 |
CN111241245A (zh) * | 2020-01-14 | 2020-06-05 | 百度在线网络技术(北京)有限公司 | 人机交互处理方法、装置及电子设备 |
CN111309753A (zh) * | 2020-01-21 | 2020-06-19 | 上海达梦数据库有限公司 | 结构化查询语句的优化方法、装置、设备及存储介质 |
CN111414380A (zh) * | 2020-03-20 | 2020-07-14 | 华泰证券股份有限公司 | 一种中文数据库sql语句生成方法、设备及存储介质 |
CN111858880A (zh) * | 2020-06-18 | 2020-10-30 | 北京百度网讯科技有限公司 | 获取查询结果的方法、装置、电子设备和可读存储介质 |
Non-Patent Citations (2)
Title |
---|
DAYA GUO 等: "question generation from SQL queries improves neural semantic parsing", COMPUTATION AND LANGUAGE * |
余正涛, 樊孝忠, 耿增民: "受限领域自然语言数据库查询接口研究", 昆明理工大学学报(理工版), no. 04 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420111A (zh) * | 2021-06-17 | 2021-09-21 | 中国科学院声学研究所 | 一种用于多跳推理问题的智能问答方法及装置 |
CN113420111B (zh) * | 2021-06-17 | 2023-08-11 | 中国科学院声学研究所 | 一种用于多跳推理问题的智能问答方法及装置 |
CN113408298A (zh) * | 2021-06-30 | 2021-09-17 | 北京百度网讯科技有限公司 | 语义解析方法、装置、电子设备及存储介质 |
CN113408298B (zh) * | 2021-06-30 | 2024-05-31 | 北京百度网讯科技有限公司 | 语义解析方法、装置、电子设备及存储介质 |
CN114281968A (zh) * | 2021-12-20 | 2022-04-05 | 北京百度网讯科技有限公司 | 一种模型训练及语料生成方法、装置、设备和存储介质 |
CN114490709A (zh) * | 2021-12-28 | 2022-05-13 | 北京百度网讯科技有限公司 | 文本生成方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112506949B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111428507B (zh) | 实体链指方法、装置、设备以及存储介质 | |
CN112506949B (zh) | 结构化查询语言查询语句生成方法、装置及存储介质 | |
CN111143561B (zh) | 意图识别模型训练方法、装置及电子设备 | |
CN111709247A (zh) | 数据集处理方法、装置、电子设备和存储介质 | |
CN111144507B (zh) | 情感分析模型预训练方法、装置及电子设备 | |
KR102431568B1 (ko) | 엔티티 단어 인식 방법 및 장치 | |
CN112507700A (zh) | 事件抽取方法、装置、电子设备及存储介质 | |
CN112148871B (zh) | 摘要生成方法、装置、电子设备及存储介质 | |
CN112489637A (zh) | 语音识别方法和装置 | |
CN111967256A (zh) | 事件关系的生成方法、装置、电子设备和存储介质 | |
CN113220836A (zh) | 序列标注模型的训练方法、装置、电子设备和存储介质 | |
US20220358292A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
JP2021111334A (ja) | 検索データに基づくヒューマンコンピュータ対話型インタラクションの方法、装置及び電子機器 | |
CN114281968B (zh) | 一种模型训练及语料生成方法、装置、设备和存储介质 | |
CN112541362B (zh) | 一种泛化处理的方法、装置、设备和计算机存储介质 | |
CN110807331A (zh) | 一种多音字读音预测方法、装置和电子设备 | |
CN112633017A (zh) | 翻译模型训练、翻译处理方法、装置、设备和存储介质 | |
CN111078825A (zh) | 结构化处理方法、装置、计算机设备及介质 | |
CN111539209A (zh) | 用于实体分类的方法和装置 | |
CN111324715A (zh) | 问答机器人的生成方法和装置 | |
CN111539224A (zh) | 语义理解模型的剪枝方法、装置、电子设备和存储介质 | |
CN112270168A (zh) | 对白情感风格预测方法、装置、电子设备及存储介质 | |
CN111127191A (zh) | 风险评估方法及装置 | |
CN112559552A (zh) | 数据对生成方法、装置、电子设备及存储介质 | |
CN112434492A (zh) | 文本标注方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |