[发明专利]一种自然语言与结构化查询语言的转换方法及装置

权利要求书

1.一种自然语言与结构化查询语言的转换方法，其特征在于，预先给定数数据库表文件集DBF和问题-SQL对数据集QS，所述方法包括：

步骤S1：采用神经网络学习问题-SQL对数据集QS，将SQL作为输入，问题作为输出，进行训练后，得到一个收敛后的模型SQL2QUE，其中，SQL2QUE用以将SQL转换为对应的问题；

步骤S2：根据DBF中的表字段信息，并基于SQL语法自定义规则建立一个SQL语句生成模型SQL-GEN，再根据SQL语句是否有效，生成SQL数据集SD，其中，SQL数据集SD中包含判定结果有效的SQL语句；

步骤S3：将SQL数据集SD中的SQL语句作为模型SQL2QUE的输入，获得对应的问题，然后将获得对应的问题添加至SQL数据集SD中，再将SD数据集中的SQL和对应QD数据集中的问题进行匹配，得到生成的数据集AQS，并将数据集AQS与数据集AQS进行合并，获得新的数据集NQS；

步骤S4：采用神经网络学习新的数据集NQS，将问题作为输入，SQL作为输出，进行训练后，得到一个收敛后的模型QUE2SQL，其中，模型QUE2SQL用以将问题转换为对应的SQL；

步骤S5：将待转换的问题作为模型QUE2SQL的输入，转换获得对应的结构化查询语言SQL；

步骤S1具体包括：

步骤S1.1：将QS中的所有SQL语句解析为对应的语法树，得到该SQL的广义深度优先树形编码，存储于数据集DFS-T中，并且针对每个SQL语法树，采用特征数组feature描述该语法树中每个结点的信息，用邻接矩阵adj描述该语法树的拓扑图结构，存储于数据集GRAPH中；

步骤S1.2：采用循环神经网络RNN实现第一编码器encoder1和第二编码器encoder2，采用图卷积网络GCN实现第三编码器encoder3，然后将QS数据集中的全部SQL语句、DFS-T数据集和GRAPH数据集分别作为第一编码器、第二编码器和第三编码器的输入，再将3编码器输出拼接后进行加权；

步骤S1.3：采用机器翻译模型Transformer作为解码器decoder，然后将加权后编码器部分的输出作为decoder的输入，在参照QS数据集中所有的问题语句的同时进行预测，并根据预测序列和目标序列之间的误差调整模型参数，获得模型SQL2QUE；

步骤S2中根据SQL语句是否有效，生成SQL数据集SD，具体包括：

通过执行该条SQL语句，判断是否有效，

如果数据库没有提示出错且能查询到有效信息，则判定该条SQL语句有效，将该语句添加到数据集SD中，直至SD中的SQL语句的数量达到预设数量为止；否则，将该条SQL语句丢弃。

2.如权利要求1所述的方法，其特征在于，在步骤S3之后，所述方法还包括：

采用步骤S3得到的新的数据集NQS继续训练步骤S1中的SQL2QUE模型，提升SQL2QUE模型的性能。

3.如权利要求1所述的方法，其特征在于，步骤S4具体包括：

将NQS数据集中的问题作为输入，SQL作为输出，采用谷歌开源的神经机器翻译模型NMT作为基准模型，在解码器上添加注意力机制和指针生成器网络，进行预设轮训练后，得到一个收敛的模型QUE2SQL。