Text-to-SQL 任務(wù)是在給定相應(yīng)的數(shù)據(jù)庫模式時(shí)，將自然語言問題轉(zhuǎn)換為SQL查詢語句，這在學(xué)術(shù)界和工業(yè)界都有重要的應(yīng)用。過去的方法通常以節(jié)點(diǎn)為中心，利用參數(shù)矩陣對不同類型的邊建模，這些方法忽略了邊與邊之間的結(jié)構(gòu)信息，且無法區(qū)分每個(gè)節(jié)點(diǎn)的局部和非局部關(guān)系。本期論壇我們邀請到了來自上海交通大學(xué)的曹瑞升同學(xué)，他提出的線圖增強(qiáng)模型有效解決了此任務(wù)中棘手的異構(gòu)圖編碼問題。

講者介紹

曹瑞升，上海交通大學(xué)計(jì)算機(jī)博士在讀，主要研究方向?yàn)樽匀徽Z言理解中的語義解析，目前已在ACL會議和TASLP期刊累計(jì)發(fā)表4篇文章。

分享題目

混合局部和全局關(guān)系的線圖增強(qiáng)文本轉(zhuǎn)SQL模型

分享摘要

該工作旨在解決文本轉(zhuǎn)SQL任務(wù)中棘手的異構(gòu)圖編碼問題。為此，我們提出了線圖增強(qiáng)模型(Line Graph Enhanced Text-to-SQL, LGESQL)來挖掘潛在的關(guān)系特征，而且不需要顯示地構(gòu)造元路徑。利用線圖，信息不僅通過節(jié)點(diǎn)之間的連接傳播，還能通過有向邊之間的拓?fù)浣Y(jié)構(gòu)傳播。同時(shí)，節(jié)點(diǎn)間的局部和非局部關(guān)系在圖迭代更新時(shí)被區(qū)分地整合到一起。在跨域基準(zhǔn)數(shù)據(jù)集Spider上，在不同詞向量的設(shè)定下，我們都取得了榜單第一名，進(jìn)一步地驗(yàn)證了該模型的有效性。

論文標(biāo)題：LGESQL: Line Graph Enhanced Text-to-SQL Model with Mixed Local and Non-Local Relations

分享亮點(diǎn)

1、本文針對異構(gòu)圖編碼問題，利用線圖顯式地對邊的特征迭代更新；

2、模型中顯式地區(qū)分節(jié)點(diǎn)之間的局部和非局部關(guān)系，并且有效地整合到一起

直播時(shí)間

2021年12月12日（周日）20:00—21:00 線上直播

關(guān)注微信公眾號：人工智能前沿講習(xí)，對話框回復(fù)“SFFAI131”，獲取入群二維碼

現(xiàn)代科學(xué)技術(shù)高度社會化，在科學(xué)理論與技術(shù)方法上更加趨向綜合與統(tǒng)一，為了滿足人工智能不同領(lǐng)域研究者相互交流、彼此啟發(fā)的需求，我們發(fā)起了SFFAI這個(gè)公益活動。SFFAI每周舉行一期線下活動，邀請一線科研人員分享、討論人工智能各個(gè)領(lǐng)域的前沿思想和最新成果，使專注于各個(gè)細(xì)分領(lǐng)域的研究者開拓視野、觸類旁通。

SFFAI目前主要關(guān)注機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、自然語言處理等各個(gè)人工智能垂直領(lǐng)域及交叉領(lǐng)域的前沿進(jìn)展，將對線下討論的內(nèi)容進(jìn)行線上傳播，使后來者少踩坑，也為講者塑造個(gè)人影響力。SFFAI還在構(gòu)建人工智能領(lǐng)域的知識森林—AI Knowledge Forest，通過匯總各位參與者貢獻(xiàn)的領(lǐng)域知識，沉淀線下分享的前沿精華，使AI Knowledge Tree枝繁葉茂，為人工智能社區(qū)做出貢獻(xiàn)，歡迎大家關(guān)注SFFAI論壇：https://bbs.sffai.com。