Text2SQL学习整理（五）将Text-to-SQL任务与基本语言模型结合

导语

上篇博客：Text2SQL学习整理（四）将预训练语言模型引入WikiSQL任务简要介绍了两个借助预训练语言模型BERT来解决WIkiSQL数据集挑战的方法：SQLOVA和X-SQL模型。其中，借助预训练语言模型的强大表示能力，SQLOVA已经超越了人类表现。而X-SQL则更进一步，使用MT-DNN取得了比SQLOVA更好的效果。

本篇博客将为大家介绍另一个使用预训练模型的方法：HybridSQL。

Hybrid Ranking Network for Text-to-SQL

HybridSQL认为，之前的工作揭示了WikiSQL上Text-to-SQL的几个主要挑战如下:

(1)如何融合来自NL问题和表模式的信息，由编码器处理;

(2)如何保证输出的SQL查询的可执行性和准确性，由解码器处理;

(3)如何利用预先训练的语言模型。

因而，这篇工作围绕这三点出发，分别进行了改进。

创新点

HybridSQL的贡献主要有三方面。

1. 提出了一种简单有效的网络结构，将Text-to-SQL任务与基本语言模型完美地结合起来，从而最大程度地利用了基本语言模型的强大功能。

2. 作为编码器的基本语言模型直接编码NL问题和列，而不需要任何额外的池操作，这被认为是Text-to-sql中捕获问题-列关系的最佳编码器。

3. 所提出的混合排序机制和Execution-guided decoding（详见上一篇博客）处理列-列关系，有效提高准确率。

模型简介

HybridSQL将Text-to-SQL定义为一个多任务学习问题，可以通过适应预先训练的Transformer模型来解决。

X-SQL中，模型直接对全表进行了序列化处理，在后续预测子任务中，需要进行Attentive pooling。如下图所示，HydraNet的一个创新点在于它将表示层的输入变成了每个列的列文本和query文本组成的对，这样对于每个列都是bert标准的sentence pair输入。最大化利用了预训练模型的性能（BERT、RoBERTa等）。

在预测后续的6个子任务时，HybridSQL将其分为了两大类

• 与具体列有关的任务，如W-COL，W-OP，W-VAL。
• 与具体列无关的任务，如W-NUM和SEL-NUM。

在HybridSQL中，与具体列有关的任务被建模成sentence pair输入的分类任务和文本问答任务。由于HydraNet的每一个序列输入中只有一个column，无法获知全局的信息。所以，在这些任务中，HybridSQL通过设定阈值或对所有列的结果加权来得到预测结果。

HydraNet的推理过程如下：

• 计算每个(ci, q) pair的所有子任务结果；
• 综合所有对的结果得到W-NUM和SEL-NUM；
• 对每个pair针对select进行排序，选出得分最高的SEL-NUM个列及其相关的agg作为条件；
• 对每个pair针对where进行排序，选出得分最高的W-NUM个列及其相关的val、op作为条件；

结果

通过以上改进，HybridSQL取得了超过X-SQL的表现：

总结

本文介绍了X-SQL后的一个借助预训练语言模型的方法：HybridSQL。该方法尽可能的将Text-to-SQL任务和原始的预训练模型的形式保持一致，最大限度的利用预训练模型的表示能力。后面最新的SOTA模型SeaD其实也是从提升预训练模型角度出发，最大限度利用预训练模型的能力。