.png){kind=icon}
返回
MTC-SQL: a memory-enhanced and task-decomposed correction method for text-to-SQL
.png){kind=icon}
PRE
AI
DOI：10.1007/s41060-025-00995-6.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目前，文本到SQL的方法在处理结构复杂查询、多表连接和语义模糊性方面仍存在困难，这阻碍了准确性和可解释性。为解决大型语言模型中常见的问题，如上下文理解有限、结构控制薄弱和错误纠正不足，我们提出了MTC-SQL方法，该方法结合了记忆增强和任务分解。MTC-SQL通过四个关键阶段运行：（1）基于查询意图的动态任务分解，将输入拆分为可控的子任务；（2）构建多源记忆知识库，整合历史问答对和数据库模式以提供上下文支持；（3）混合语义-结构检索，结合向量搜索和关键词匹配以提高提示质量；（4）递归生成和修正策略，通过多轮反馈逐步生成子查询并优化最终SQL。在Spider数据集上的实验表明，使用GPT-4的MTC-SQL优于基线方法，在开发集上达到80.6%的完全匹配（EM），在测试集上达到75.0%的EM以及80.2%的执行准确率（EX）。76.7（开发集）和77.0（测试集）的BLEU分数进一步验证了其结构和语义对齐。
Keyword:
Text-to-SQL
Large language models
Task decomposition
Semantic retrieval
SQL correction
期刊
I
IF:
2.8
论文数:
1.1K
被引数:
1.6K
.png){kind=icon}
