基于知识增强的NL2SQL方法

摘要：

面向关系型数据库的自然语言查询技术的核心是将自然语言解析成SQL查询语句(NL2SQL).目前,大多数NL2SQL方法仅对自然语言问句和表模式进行编码,难以充分理解问句的语义信息,产生的歧义可能导致预测出错.针对此问题,本文提出了基于知识增强的NL2SQL模型KESQL,首先使用实体链接技术将问句中的实体链接到外部知识图谱,通过引入问句中命名实体在外部知识图谱的知识来增强NL2SQL模型对于问句的理解能力,进而提高解析效果;选取DBpedia作为外部知识图谱,针对图谱中的各类知识,提出了基于符号化和向量化的知识增强方案,系统地论证了引入不同知识的效果及不同融合方式的优劣,实验结果充分验证了知识增强对NL2SQL任务的有效性.

关键词：NL2SQL、实体链接、知识增强

所属期刊栏目：12

分类号：TP391.1(计算技术、计算机技术)

在线出版日期：2022-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7