.png){kind=icon}
返回
A View-Oriented Skeleton Generation Method for Improving Multi-Table Text-to-SQL Translation Accuracy
.png){kind=icon}
PRE
AI
DOI：10.1109/ACCESS.2026.3661085.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，自然语言到结构化查询（Text-to-SQL）的研究取得了迅速进展，旨在使模型能够自动将自然语言查询翻译成可执行的SQL语句。在处理某些类别的多表查询时，特别是那些可以抽象为单表或自然连接视图的查询，模型不仅需要生成SQL语法，还必须正确推断连接关系。为显著降低此类查询类型的生成难度并提高翻译准确率，本文提出了一种基于视图级语义抽象的SQL生成方法（View-SQL）。该方法首先在预构建的视图上生成SQL骨架，然后通过规则基模块完成表名和FROM子句，生成最终的执行SQL语句。为实现这一目标，View-SQL引入了两条协作处理路径。第一条是视图路径（Text2SQLSkeleton），其中视图分类器确定自然语言查询对应哪种视图类型，基于T5的解码器为该视图生成SQL骨架。第二条是非视图路径（Text2SQL），当查询无法映射到任何现有视图时调用。在该路径中，模型采用BERT和多头注意力机制在生成SQL语句前选择相关表和列。通过这种分层框架，View-SQL有效降低了多表推理的复杂性。实验结果表明，在验证数据集上（由于Spider测试集未公开），View-SQL在Spider-syn和Spider EM数据集上分别实现了1.55%和2.13%的准确率提升。
Keyword:
Structured Query Language
Natural languages
Databases
Translation
Skeleton
Accuracy
Semantics
Syntactics
Decoding
Trees (botanical)
Text-to-SQL
view-oriented SQL generation
multi-table query
view classifier
SQL
multi-head attention
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
(HTBNet)Arbitrary Shape Scene Text Detection with Binarization of Hyperbolic Tangent and Cross-Entropy.png)
Entropy
EntropyIF0
PREAI
分享收藏
查看更多内容