Text2SQL学习整理（三）SQLNet与TypeSQL模型

导语

上篇博客：Text2SQL学习整理（二）：WikiSQL数据集介绍简要介绍了WikiSQL数据集的一些统计特性和数据集特点，同时简要概括了该数据集上一个baseline：seq2sql模型。本文将介绍seq2SQL模型后一个比较知名的模型SQLNet。

Sqlnet: Generating structured queries from natural language without reinforcement learning

SQLNet简介

SQLNet模型是紧随WIkiSQL数据集之后的一个比较知名的Baseline。由于WikiSQL数据集中的SQL比较简单，如下图所示为一个WIkiSQL中的示例，因而SQLNet将预测一个SQL语句转换为预测构成SQL语句的六部分任务分别解决。

如下图所示，SQLNet将WikiSQL中的SQL语句分为以下几个部分：包括SELECT后的聚合符、使用的column、WHERE子句后的column、操作符OP以及VALUE等。

SQLNet模型

SQLNet使用slot filling的思想，引入了一个sketch（即上图所示的模板），申明需要预测的所有slot。

在SQLNet中，一共有以下六个模块需要预测：

• SELECT_COL（主句中填哪一个列名）
• AGG（主句中使用哪一个聚合函数）
• #COND（WHERE子句的条件数量）
• COND_COL（某个WHERE子句的条件为哪个column）
• OP（某个WHERE子句的条件使用哪个运算符，如><=）
• COND_VAL（某个WHERE子句的条件值）

通过这样建模，Text2SQL任务转换为分别填充模板中的各个slot的任务。

在预测时，各个slot之间值的预测其实有依赖关系，比如预测WHERE子句时要预测的OP和VALUE其实高度依赖于WHERE子句中column的预测。因此，在预测时，SQLNet充分利用了依存关系图，预测某个slot的时只用与当前token预测相关的信息（模块）。

技巧

SQLNet中有两个重要的技巧：seq2set和column attention。其简要概况如下：

• Seq2set：WHERE语句会包含有不同条件，多是并列关系，顺序不影响结果，问题转换为“预测WHERE语句中应该包含哪些columns”。
• Column attention：对于特定column的预测，Question中不同部分起到的作用是不一样的，引入Attention机制来表示这种关联关系。即使用Question对每个column做一个attention。

结果

通过这些技巧的引入，SQLNet在该数据集上相比seq2sql取得了巨大提升，取得了当时的SOTA。

TypeSQL: Knowledge-based Type-Aware Neural Text-to-SQL Generation

TypeSQL简介

之前的两种模型完全忽略了各个column的数据类型，但数据类型其实是一个很重要的信息，比如在预测WHERE子句时，只有数值类型的column才可以比较大小，字符串类型的值则不行。基于以上想法，TypeSQL充分利用了question中每个单词的类型信息（比如某个单词为列名、整数值等），并取得了新的SOTA。

类型信息的获取和利用

TypeSQL模型中的类型信息是通过将question先分词再在Freebase、table的column name和Table content之中search得到的。

与SQL Net一样采用slot filling的思想，填充sketch的各个slot，并大幅度精简用到的BiLSTM（12->6）。 为了更好地建模文本中出现的罕见实体和数字，TypeSQL显式地赋予每个单词类型。

其类型识别过程如下：将问句分割n-gram （n取2到6），并搜索数据库表、列。对于匹配成功的部分赋值column类型赋予数字、日期四种类型：INTEGER、FLOAT、DATE、YEAR。对于命名实体，通过搜索FREEBASE，确定5种类型：PERSON，PLACE，COUNTREY，ORGANIZATION，SPORT。这五种类型包括了大部分实体类型。当可以访问数据库内容时，进一步将匹配到的实体标记为具体列名（而不只是column类型）。

模型架构

SQLNet为模版中的每一种成分（共6种）设定了单独的模型，而TypeSQL对此进行了改进，对于相似的成分，例如SELECT_COL 和COND_COL以及#COND（条件数），这些信息间有依赖关系，通过合并为单一模型，可以更好建模。TypeSQL使用3个独立模型来预测模版填充值：

• MODEL_COL：SELECT_COL，#COND，COND_COL
• MODEL_AGG：AGG
• MODEL_OPVAL：OP, COND_VAL

结果

实验结果如下，可以看到，TypeSQL通过对类型信息的有效利用，提升了模型性能，取得了新的SOTA。

总结

SQLNet和TypeSQL是WikiSQL提出早期两个重要的baseline。SQLNet从WikiSQL数据集SQL的特点出发，将Text2SQL任务转变为了slot filling的分割部分任务，对后续的研究产生了很大影响；而TypeSQL则抓住前人的工作中对类型信息的忽略，引入类型信息取得了新的SOTA。这也启发我们在后续工作中，要善于总结问题的特点，总结和发掘前人的疏忽和不足之处进行创新。

本篇博客介绍了WIkiSQL提出早期的一些工作，那时像BERT之类的预训练模型还未广泛应用，下一篇博客将介绍几个使用预训练模型的方法。