[发明专利]基于演员-评论家网络的SQL语句构造方法

摘要

本发明是一种基于演员‑评论家网络确定预测SQL序列准确性的方法。本发明公开了一种基于强化学习的SQL语句构造方法及装置，其技术步骤为：初始化演员‑评论家网络参数；从数据集获取自然语言和真实SQL语句序列对；把自然语言序列输入演员网络编码器，真实SQL序列输入到评论家网络编码器；编码后的隐状态作为对应解码器的初始化隐状态；演员网络解码器逐步预测SQL语句动作，输入到评论家网络解码器和环境得到相应奖励；梯度更新网络参数，重复迭代后得到自然语言到SQL语句的构造模型；本发明基于强化学习将语法自动机引入奖励机制，解决了在自然语言转化构造SQL语句中损失函数和评价指标不对等的问题，有效地提高了准确率。

主权项

1.一种基于演员‑评论家网络的SQL语句构造方法，其特征包括如下步骤：1)分别对演员网络中的参数θ和评论家网络的参数进行随机初始化；2)从数据集获取自然语言序列X＝{x₁，...，x_n}和对应的SQL序列Y_real＝{y₁，...，y_m}；3)以时间步为单位，把自然语言序列X的每个单词输入到演员网络的编码器中；4)把演员网络编码器最后一个时间步的隐状态h_aen作为演员网络解码器的初始隐状态h_ad0；5)以时间步为单位，把真实SQL语句序列Y_real的每个单词输入到评论家网络的编码器中；6)把评论家网络编码器最后一个时间步的隐状态h_cem作为评论家网络解码器的初始隐状态7)演员网络解码器接收上一个时间步预测出的SQL单词和隐状态h_adt‑1生成单词概率分布8)根据生成的单词概率分布随机采样得到当前单词9)每得到当前单词和之前的预测SQL序列真实目标序列Y_real结合，输入到环境中得到当前回报再把输入到评论家网络的解码器中得到基于当前预测SQL序列的未来长期奖励评估值重复步骤7，8，9；10)计算当前时间步的长期奖励R_t：11)结合前一个时间步得到的未来长期奖励(当t＝1时，令通过损失函数计算损失，其中利用梯度下降算法更新评论家网络参数梯度公式如下，其中β为学习率：12)同样地，演员网络的损失函数为：利用梯度下降算法更新演员网络参数θ，梯度公式如下，其中α为学习率：上面描述的是训练自然语言到SQL语句的生成模型，当模型已存在，输入自然语言即可得到相应的SQL语句。