[发明专利]基于多视角特征解耦的NL2SQL方法和装置

权利要求书

1.一种基于多视角特征解耦的NL2SQL方法，其特征在于，该方法包括以下步骤：

S1.构建NL2SQL知识库，利用用户的查询问题，人工编写SQL查询语句，构造由查询问题、SQL查询语句以及表结构一一对应的数据条目，形成NL2SQL知识库；

S2.构建NL2SQL数据集，对于每个问题，在NL2SQL知识库中每一个问题都有一个与之配对的SQL查询语句以及数据库表结构，根据NL2SQL知识库划分训练集、验证集以及测试集；

S3.构建NL2SQL模型，依次构建输入层、构建SELECT部分编码模型、构建WHERE部分编码模型、构建SELECT+WHERE部分编码模型、构建不同任务多视角解耦层、构建不同子任务预测层；

S4.NL2SQL模型训练，用步骤S2得到的训练集对步骤S3构建的NL2SQL模型进行训练，从而构建损失函数，构建优化函数。

2.根据权利要求1所述的基于多视角特征解耦的NL2SQL方法，其特征在于，步骤S3中所述构建输入层具体为：

输入层分别从NL2SQL数据集中获取用户问题、表结构，将其形式化为：Input；所述输入层采用BERT的输入，由三部分组成:词嵌入(Token Embedding)、片段嵌入(SegmentEmbedding)、位置嵌入(Position Embedding)，将这三个向量相加即可得到句子中每个词的输入向量，将句子中每个词的输入向量组合成矩阵，就是句子的输入；BERT的输入进行若干次多头注意力机制、层归一化以及前馈网络层之后得到输出：

E＝BERT(Input)

针对矩阵E定义分类概率分布P_c的计算公式:

P_c(E)＝Softmax(Wtanh(E))

W表示的是可训练的参数，tanh是机器学习中一种常见的激活函数，用softmax函数对向量中所有数值进行归一化处理，并将其转化成概率值，经过归一化处理后的数值总和为1。

3.根据权利要求2所述的基于多视角特征解耦的NL2SQL方法，其特征在于：步骤S3中所述构建SELECT部分编码模型具体为：

SELECT编码模型的优化目标只包含SELECT部分的子任务SELECT-COL以及SELECT-AGG(SELECT COUNT(*))(SQL中SELECT部分)，使用BERT进行编码的到相应的文本表示E_S；

根据E_S预测列名SELECT-COL，取值范围为当前数据表中的所有列名，W_s^col为SELECT-COL预测模块的权重，SELECT-COL预测模块的分类概率分布公式如下：

在选定使用的列名COL后，还需要预测列名对应的聚合操作SELECT-AGG，取值范围为{“NONE”，“MAX”，“MIN”，“COUNT”，“SUM”，“AVG”}，W_s^agg为为SELECT-AGG预测模块的权重：

其中，为SELECT-AGG预测模块的概率分布。