Enhancing Text-to-SQL generation with language sequential consistency

doi:10.1016/j.neucom.2025.131721

Enhancing Text-to-SQL generation with language sequential consistency

2025-10-09

0

PRE

AI

DOI：10.1016/j.neucom.2025.131721

原文链接

原文求助

摘要

En 中文

文本到SQL是一项重要的任务，旨在将非结构化的自然语言问题转换为结构化查询语言（SQL）。问题与SQL之间的显著结构差异增加了模型转换的难度。语言的顺序一致性指的是，尽管语法和表达方式存在差异，但所传达信息的顺序往往相似。我们认为，这种一致性有助于建立问题与SQL之间的联系，并缓解结构差异给模型带来的挑战。本研究提出了一种文本到SQL框架（CT2S），该框架整合了顺序一致性提示以生成SQL。具体而言，CT2S首先使用选择器选出与问题最相关的数据库模式项，然后利用专门构建的半结构化提示数据来增强SQL生成的性能。提示数据基于语言的顺序一致性构建，考虑了问题与SQL中模式项的顺序。它将问题、数据库模式和SQL联系起来，以缓解结构差异带来的挑战。相关实验结果表明，所提出的框架有效，在Spider数据集上实现了超过2%的性能提升，并表现出显著的扩展性。

Enhancing Text-to-SQL generation with language sequential consistency

摘要

期刊

机构

引用论文