Enhanced financial text-to-SQL generation via fine-grained SQL refinement

Wang, Yihan

doi:10.1016/j.eswa.2026.133067

Enhanced financial text-to-SQL generation via fine-grained SQL refinement

2026-09-29

0

PRE

AI

DOI：10.1016/j.eswa.2026.133067

原文链接

原文求助

摘要

En 中文

文本到SQL系统旨在使用户能够使用自然语言查询结构化数据，而大型语言模型的最新进展显著提高了其在通用领域基准上的性能。然而，现有方法在很大程度上与领域无关，难以适应金融应用，其中不同数据库管理系统之间SQL方言的多样性和领域特定语义的复杂性常常导致语法正确性和逻辑一致性的显著下降。为解决这些局限性，我们提出了一种面向金融领域的文本到SQL框架，从两个互补的角度联合增强SQL生成。首先，我们引入了一种语法感知机制，以缓解SQL方言混淆并提高在异构金融数据库上的代码生成鲁棒性。其次，我们融入了一个语义对齐模块，捕捉隐含的金融业务规则和领域术语，使模型能够生成更好地反映用户意图的SQL。在真实金融数据集上的实验结果表明，我们的方法显著减少了语法和逻辑错误，强调了在专业环境中可靠部署文本到SQL时进行领域特定适配的必要性。

Keyword:

Large language model

SQL Generation

Financial database

Enhanced financial text-to-SQL generation via fine-grained SQL refinement

摘要

期刊

机构

引用论文