简介

之前的模型（seq2sql，sqlnet）完全忽略了各个column的数据类型，但数据类型其实是一个很重要的信息，比如在预测WHERE子句时，只有数值类型的column才可以比较大小，字符串类型的值则不行。基于以上想法，TypeSQL充分利用了question中每个单词的类型信息（比如某个单词为列名、整数值等），并取得了新的SOTA。

结构

SQLNet为模版中的每一种成分（共6种）设定了单独的模型，而TypeSQL对此进行了改进，对于相似的成分，例如SELECT_COL 和COND_COL以及#COND（条件数），这些信息间有依赖关系，通过合并为单一模型，可以更好建模。TypeSQL使用3个独立模型来预测模版填充值：

• MODEL_COL：SELECT_COL，#COND，COND_COL
• MODEL_AGG：AGG
• MODEL_OPVAL：OP, COND_VAL

技巧

与SQL Net一样采用slot filling的思想，填充sketch的各个slot，并大幅度精简用到的BiLSTM（12->6）。 为了更好地建模文本中出现的罕见实体和数字，TypeSQL显式地赋予每个单词类型。 其类型识别过程如下：将问句分割n-gram （n取2到6），并搜索数据库表、列。对于匹配成功的部分赋值column类型赋予数字、日期四种类型：INTEGER、FLOAT、DATE、YEAR。对于命名实体，通过搜索FREEBASE，确定5种类型：PERSON，PLACE，COUNTREY，ORGANIZATION，SPORT。这五种类型包括了大部分实体类型。当可以访问数据库内容时，进一步将匹配到的实体标记为具体列名（而不只是column类型）。

结果