[发明专利]基于神经网络的自然语言查询到数据库查询的转换

说明书

计算系统使用神经网络将自然语言查询转换为数据库查询。该计算系统使用基于机器学习的多个模型，每个机器学习模型用于生成数据库查询的一部分。机器学习模型使用基于输入自然语言查询项、数据库模式的一组列和数据库查询语言(例如，结构化查询语言SQL)的词汇表生成的输入表示。基于机器学习的多个模型可包括：用于确定数据库查询的聚合算子的聚合分类器模型，用于确定数据库查询的结果列的结果列预测器模型，用于确定数据库查询的条件子句的条件子句预测器模型。该条件子句预测器是基于强化学习的。

技术领域

本公开总地涉及数据库查询的自动生成，并且更具体地，涉及用于将自然语言查询转换成数据库查询的基于神经网络的模型。

背景技术

世界上大量可用的数据存储在关系数据库中，关系数据库为诸如医疗记录、金融市场、客户关系管理之类的应用程序提供了基础。但是，访问关系数据库中的信息需要了解数据库查询语言，例如结构化查询语言(SQL)。尽管诸如SQL之类的数据库查询语言在允许用户指定对来自关系数据库的数据的请求方面具有强大功能，但它们却很难学习。为了能够使用数据库查询语言有效地编写数据库查询，需要具备数据库方面的专业知识和强大的技术知识。

一些系统支持自然语言来访问存储在系统中的数据。自然语言查询提供了易于表达，因为人们不需要培训如何使用自然语言。但是，这些系统不提供数据库查询语言(例如SQL)的表达能力。例如，自然语言查询可以以多种方式来解释，但相应地，执行自然语言查询来访问存储在关系数据库中的数据可能效率不高，并且可能无法检索所请求的确切信息。因此，使用自然语言查询或数据库查询来访问关系数据库中存储的数据的常规技术具有缺点，因为它们要么提供了易于表达，要么提供了表达的能力，但不能同时提供两者。

附图说明

所公开的实施例具有其他优势和特征，这些优势和特征从具体实施方式、附加的权利要求以及所附的图(附图)将更加显而易见。

图1是示出了根据实施例的用于将自然语言查询转换为数据库查询的整个系统环境的高级框图。

图2示出了根据实施例的用于将自然语言查询转换成数据库查询的计算系统的系统架构。

图3示出了根据实施例的自然语言与数据库查询转换器执行的处理的细节。

图4示出了根据实施例的用于将自然语言查询转换成数据库查询的总体过程。

图5示出了根据实施例的聚合分类器基于自然语言查询来确定输出数据库查询的聚合算子的过程。

图6示出了根据实施例的结果列预测器基于自然语言查询来确定输出数据库查询的SELECT子句的列的过程。

图7示出了根据实施例的训练条件子句预测器以确定输出数据库查询的条件子句的过程。

图8是说明用于实现图1的客户端设备和/或计算系统的示例计算机的高级框图。

这些图(附图)和下面的描述仅通过举例来描述某些实施例。本领域技术人员将从以下描述中容易地认识到，在不脱离本文描述的原理的情况下，可以采用本文所示的结构和方法的替代实施例。现在将详细参考几个实施例，其示例在附图中进行了说明。

具体实施方式

计算系统使用深度神经网络将自然语言查询转换为相应的数据库查询，例如，使用结构化查询语言(SQL)指定的查询。实施例使用SQL查询的结构来大幅度减小所生成的查询的输出空间。该计算系统使用深度神经网络将自然语言查询转换(translate)为数据库查询。