研究生開題報告-基于圖神經(jīng)網(wǎng)絡(luò)的text-to-sql研究

碩士研究生學(xué)位論文選題報告學(xué)號：姓名：導(dǎo)師：論文題目：基于圖神經(jīng)網(wǎng)絡(luò)的text-to-sql分析與研究學(xué)科專業(yè)：軟件工程學(xué)院：軟件學(xué)院填寫時間：2020年06月24日

論文題目：基于relation-awareself-attention機制的text-to-sql分析與研究論文類型：（1）基礎(chǔ)研究；（2）應(yīng)用基礎(chǔ)研究；（3）應(yīng)用研究；（4）其它課題來源：（1）縱向課題；（2）橫向課題；（3）自選課題；（4）其它一、選題的科學(xué)依據(jù)（1、選題背景；2、理論意義和應(yīng)用價值；3、國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢。附主要參考文獻）1、選題背景當(dāng)前，大量信息存儲在結(jié)構(gòu)化和半結(jié)構(gòu)化知識庫中，如數(shù)據(jù)庫。對于這類數(shù)據(jù)的分析和獲取需要通過SQL等編程語言與數(shù)據(jù)庫進行交互操作，SQL的使用難度限制了非技術(shù)用戶，給數(shù)據(jù)分析和使用帶來了較高的門檻。人們迫切需要技術(shù)或工具完成自然語言與數(shù)據(jù)庫的交互，因此誕生了Text-to-SQL任務(wù)。。2、理論價值和應(yīng)用價值在現(xiàn)實生活中，有許許多多的數(shù)據(jù)庫，存儲著各行各業(yè)的信息，比如學(xué)校的選課信息、成績信息，公司的賬務(wù)信息、人員流動。SQL是一種數(shù)據(jù)庫查詢語言，具有極大的靈活性和強大的功能，然而對于普通人來說，SQL學(xué)習(xí)門檻比較高。即使對于計算機從業(yè)者來說，想要針對不同的數(shù)據(jù)庫和應(yīng)用場景，編寫大量的并保證正確率的SQL語句，也比較麻煩。如果我們能夠有一個工具，自動地把我們的描述轉(zhuǎn)化為SQL查詢語句，再交給計算機去執(zhí)行，就能方便地對數(shù)據(jù)庫進行查詢，那就大大提高了我們的生活和工作效率。Text-to-SQL就是這樣一項轉(zhuǎn)化自然語言描述為SQL查詢語句的技術(shù)。舉個例子：當(dāng)我們詢問智能助手“賈樟柯導(dǎo)演是在哪出生的?。俊?，Text-to-SQL模型就會先根據(jù)問句解析出SQL語句“SELECTbirth_cityFROMdirectorWHEREname="賈樟柯"”，再對數(shù)據(jù)庫執(zhí)行該命令，最后向用戶返回查詢結(jié)果“山西省汾陽市”。目前這個研究問題引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注，有著很多的比賽和標(biāo)注數(shù)據(jù)集，其中比較有名的，包括有關(guān)機票訂閱的ATIS數(shù)據(jù)集、有關(guān)地理信息查詢的GeoQuery、基于維基百科的WikiSQL以及目前最復(fù)雜的多領(lǐng)域數(shù)據(jù)集Spider。在中文Text-to-SQL任務(wù)方面，西湖大學(xué)日前公布了CSpider數(shù)據(jù)集，追一科技在天池數(shù)據(jù)平臺舉行了第一屆中文text2sql挑戰(zhàn)賽。在這里，我們給出Text-to-SQL任務(wù)一個相對正式的定義：在給定關(guān)系型數(shù)據(jù)庫（或表）的前提下，由用戶的提問生成相應(yīng)的SQL查詢語句。下圖是一個具體的實例，問題為：有哪些系的教員平均工資高于總體平均值，請返回這些系的名字以及他們的平均工資值?？梢钥吹皆搯栴}對應(yīng)的SQL語句是很復(fù)雜的，并且有嵌套關(guān)系。3、國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢SyntaxSQLNet(Yuetal.,2018)：第一個針對Spider任務(wù)設(shè)計的模型。在decoder階段，生成一棵對應(yīng)SQL語言特點的語法樹。RCSQL(Lee,2019)：針對不同的SQL語句來創(chuàng)建decoder；使用seq2seq而不是seq2set的方法進行列名預(yù)測；使用循環(huán)遞歸的方法來生成子查詢。GNN(Boginetal.,2019)：將關(guān)系型數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)用圖神經(jīng)網(wǎng)絡(luò)表示，以此來提升數(shù)據(jù)庫信息的利用效率。并將GNN結(jié)構(gòu)用于輔助后續(xù)的編碼和解碼過程。IRNet(GuoandZhanetal.,2019)：分三個階段進行，首先，將所提問題和數(shù)據(jù)庫的關(guān)系結(jié)構(gòu)做schemalinking。然后，用基于語法規(guī)則的神經(jīng)網(wǎng)絡(luò)構(gòu)造一個SemQLquery。最后，基于SemQL構(gòu)造不同場景下的SQLquery。4、參考文獻[1].BenBogin,JonathanBerant,andMattGardner.2019a.Representingschemastructurewithgraphneuralnetworksfortext-to-SQLparsing.InProceedingsofthe57thAnnualMeetingoftheAssociationforComputationalLinguistics,pages4560–4565.[2].GinoBrunner,YangLiu,DamianPascual,OliverRichter,MassimilianoCiaramita,andRogerWattenhofer.2020.Onidenti?abilityinTransformers.InInternationalConferenceonLearningRepresentations.[3].TianzeShi,KedarTatwawadi,KaushikChakrabarti,YiMao,OleksandrPolozov,andWeizhuChen.2018.IncSQL:TrainingIncrementalText-to-SQLParserswithNon-DeterministicOracles.arXiv:1809.05054[cs].[4].AshishVaswani,NoamShazeer,NikiParmar,JakobUszkoreit,LlionJones,AidanNGomez,?ukaszKaiser,andIlliaPolosukhin.2017.AttentionisAllyouNeed.InAdvancesinNeuralInformationProcessingSystems30,pages5998–6008.[5].TaoYu,MichihiroYasunaga,KaiYang,RuiZhang,DongxuWang,ZifanLi,andDragomirRadev.2018a.SyntaxSQLNet:SyntaxTreeNetworksforComplexandCross-DomainText-to-SQLTask.InProceedingsofthe2018ConferenceonEmpiricalMethodsinNaturalLanguageProcessing,pages1653–1663.[6].TaoYu,RuiZhang,KaiYang,MichihiroYasunaga,DongxuWang,ZifanLi,JamesMa,IreneLi,QingningYao,ShanelleRoman,ZilinZhang,andDragomirRadev.2018b.Spider:ALarge-ScaleHuman-LabeledDatasetforComplexandCrossDomainSemanticParsingandText-to-SQLTask.InProceedingsofthe2018ConferenceonEmpiricalMethodsinNaturalLanguageProcessing,pages3911–3921.二、主要研究內(nèi)容和方案1、圖構(gòu)建為了更好的利用關(guān)系型數(shù)據(jù)庫的結(jié)構(gòu)信息，使用圖網(wǎng)絡(luò)來建模表格名和列名。如下圖所示：圓圈加粗的結(jié)點代表表格，不加粗的結(jié)點代表列名；雙向邊代表表格和列名的從屬關(guān)系；紅虛邊和藍(lán)虛邊代表主外鍵關(guān)系。橙色節(jié)點代表與問題有關(guān)的結(jié)果，淡色為無關(guān)。2、全局信息重排例如：我們不知道name到底指向的是singer還是song，但是我們可以觀察到nation只在singer中出現(xiàn)，所以應(yīng)該是。這樣做globalreasoning，就能減小歧義性。3、構(gòu)建GNN模型三、研究計劃及預(yù)期進展時間研究內(nèi)容預(yù)期效果2020.7-2020.82020.8-2020.92020.9-2020.9.302020.10-2020.122021.1-2021.3閱讀文獻，初定想法設(shè)計實驗，并完成實驗撰寫小論文，投稿優(yōu)化算法，反復(fù)測試，觀察實驗結(jié)果整理工作，論文撰寫了解相關(guān)技術(shù)，確定研究課題了解已實現(xiàn)算法，并思考優(yōu)化方案論文投稿優(yōu)化出性能較高的負(fù)載均衡算法完成畢業(yè)論文四、指導(dǎo)教師意見簽名：日期：年月日五、選題報告會記錄（著重記錄評審專家的質(zhì)疑問題與研究生的回答要點，以及專家對選題的具體修改意見）六、論文選題評價結(jié)果（請評審專家