語(yǔ)義解析：自然語(yǔ)言生成SQL與知識(shí)圖譜問(wèn)答實(shí)戰(zhàn)

C O N T E N T S
目錄序
前言
第1章NL2SQL和KBQA中的語(yǔ)義
解析技術(shù)1
11人機(jī)交互應(yīng)用與語(yǔ)義解析
難點(diǎn)分析1
12主流的語(yǔ)義解析技術(shù)5
121NL2SQL任務(wù)及方法5
122KBQA任務(wù)及方法12
123語(yǔ)義解析技術(shù)方案對(duì)比17
13語(yǔ)義解析的預(yù)訓(xùn)練模型和
數(shù)據(jù)集19
131語(yǔ)義解析中的預(yù)訓(xùn)練模型19
132NL2SQL數(shù)據(jù)集19
133KBQA數(shù)據(jù)集21
14本章小結(jié)23第2章基于機(jī)器翻譯的語(yǔ)義解析
技術(shù)24
21機(jī)器翻譯原理淺析24
211常見(jiàn)機(jī)器翻譯技術(shù)路線(xiàn)24
212神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯基本框架26
22NL2SQL翻譯框架的構(gòu)建27
221Seq2Seq模型原理27
222將Seq2Seq模型應(yīng)用于
NL2SQL28
23從序列到集合：SQLNet
模型的解決方案28
231序列到集合29
232列名注意力29
233SQLNet模型預(yù)測(cè)及其訓(xùn)練
細(xì)節(jié)30
24T5預(yù)訓(xùn)練模型在NL2SQL中的
應(yīng)用31
241T5模型簡(jiǎn)介31
242T5模型架構(gòu)32
243T5模型訓(xùn)練方式32
244T5模型在NL2SQL中的
應(yīng)用33
25NL2SQL的T5模型實(shí)踐33
26本章小結(jié)43第3章基于模板填充的語(yǔ)義解析
技術(shù)44
31意圖識(shí)別和槽位填充44
311意圖識(shí)別和槽位填充的
步驟45
312如何進(jìn)行意圖識(shí)別和槽位
填充46
32基于X-SQL的模板定義與子
任務(wù)分解48
33本章小結(jié)49第4章基于強(qiáng)化學(xué)習(xí)的語(yǔ)義解析
技術(shù)50
41Seq2Seq中的強(qiáng)化學(xué)習(xí)
知識(shí)50
42SCST模型51
421SCST模型簡(jiǎn)介52
422SCST模型框架52
423SCST代碼實(shí)現(xiàn)52
43MAPO模型62
431MAPO模型簡(jiǎn)介62
432MAPO代碼實(shí)現(xiàn)63
44本章小結(jié)67第5章基于GNN的語(yǔ)義解析
技術(shù)68
51使用GNN對(duì)數(shù)據(jù)庫(kù)模式進(jìn)行
編碼68
511匹配可能模式項(xiàng)的集合69
512GNN編碼表示69
52關(guān)注模式的Global GNN71
521Global GNN的改進(jìn)71
522Gating GCN模塊詳解72
523Re-ranking GCN模塊詳解75
53關(guān)注模式鏈接的RATSQL79
531Relation-Aware Self-Attention
模型80
532考慮 復(fù)雜的連接關(guān)系80
533模式鏈接的具體實(shí)現(xiàn)81
54關(guān)注模式鏈接拓?fù)浣Y(jié)構(gòu)的
LGESQL83
541LGESQL模型簡(jiǎn)介83
542LGESQL模型框架86
55本章小結(jié)87第6章基于中間表達(dá)的語(yǔ)義解析
技術(shù)88
61中間表達(dá)：IRNet88
62引入中間表達(dá)層SemQL90
63IRNet代碼精析92
631模式鏈接代碼實(shí)現(xiàn)92
632SemQL的生成95
633SQL語(yǔ)句的生成101
64本章小結(jié)107第7章面向無(wú)嵌套簡(jiǎn)單SQL查詢(xún)的
原型系統(tǒng)構(gòu)建108
71語(yǔ)義匹配解決思路108
72任務(wù)簡(jiǎn)介109
73任務(wù)解析110
731列名解析110
732輸入整合111
733輸出子任務(wù)解析111
734模型整體架構(gòu)112
74代碼示例113
741QueryTokenizer類(lèi)的構(gòu)造113
742SqlLabelEncoder類(lèi)的
構(gòu)造115
743生成批量數(shù)據(jù)115
744模型搭建117
745模型訓(xùn)練和預(yù)測(cè)118
75本章小結(jié)120第8章面向復(fù)雜嵌套SQL查詢(xún)的
原型系統(tǒng)構(gòu)建121
81復(fù)雜嵌套SQL查詢(xún)的難點(diǎn)
剖析121
811復(fù)雜嵌套SQL語(yǔ)句121
812難點(diǎn)與對(duì)策分析122
82型模型解析123
821構(gòu)建復(fù)雜SQL語(yǔ)句的中間
表達(dá)形式123
822型模型的搭建與訓(xùn)練124
83列模型解析127
831嵌套信息的編碼設(shè)計(jì)127
832列模型的搭建與訓(xùn)練127
84值模型解析130
841值與列的關(guān)系解析130
842值模型的搭建與訓(xùn)練130
85完整系統(tǒng)演示132
851解碼器132
852完整流程演示133
86本章小結(jié)134第9章面向SPARQL的原型系統(tǒng)
構(gòu)建135
91T5、BART、UniLM模型
簡(jiǎn)介135
92T5、BART、UniLM方案136
93T5、BART、UniLM生成
SPARQL語(yǔ)句實(shí)現(xiàn)141
94T5、BART、UniLM模型結(jié)果
合并156
95路徑排序160
96SPARQL語(yǔ)句修正和再次
排序172
97本章小結(jié)185 0章預(yù)訓(xùn)練優(yōu)化186
101預(yù)訓(xùn)練技術(shù)的發(fā)展186
1011掩碼語(yǔ)言建模187
1012去噪自動(dòng)編碼器189
102 預(yù)訓(xùn)練模型：
TaBERT192
1021信息的聯(lián)合表示192
1022預(yù)訓(xùn)練任務(wù)設(shè)計(jì)192
103TAPAS194
1031附加Embedding編碼表
結(jié)構(gòu)194
1032預(yù)訓(xùn)練任務(wù)設(shè)計(jì)195
104GRAPPA195
1041表格數(shù)據(jù)增強(qiáng)：解決數(shù)據(jù)
稀疏難題195
1042預(yù)訓(xùn)練任務(wù)設(shè)計(jì)195
105本章小結(jié)197 1章語(yǔ)義解析技術(shù)落地思考198
111研究與落地的差別198
112產(chǎn)品視角的考慮200
113潛在的落地場(chǎng)景200
114實(shí)踐技巧201
1141數(shù)據(jù)增強(qiáng)在NLP領(lǐng)域的
應(yīng)用201
1142數(shù)據(jù)增強(qiáng)策略202
1143方案創(chuàng)新點(diǎn)204
115本章小結(jié)205