文件名称：NL2SQL-RULE：基于内容的增强型基于BERT的文本到SQL生成
文件大小：4.97MB
文件格式：ZIP
更新时间：2024-02-24 12:27:19
nlp deep-learning knowledge pytorch bert
NL2SQL-BERT 内容增强的基于BERT的文本到SQL生成 将数据库设计规则整合到text-to-sql生成中： 我们使用表格单元格和问题字符串的匹配信息来构造一个向量，该向量的长度与问题长度相同。 该问题向量主要提高了WHERE-VALUE推理结果的性能。 因为它注入了将答案单元格及其对应的表头绑定在一起的知识。 如果找到答案单元格，那么我们将找到包含答案单元格的答案列。 我们使用所有表头和问题字符串的匹配信息来构造一个向量，该向量的长度与表头的长度相同。 该头向量主要提高了WHERE-COLUMN推理结果的性能。 要求 python 3.6 记录0.5.3 火炬1.1.0
【文件预览】：
NL2SQL-RULE-master
----train.py(31KB)
----wikisql()
--------evaluate.py(2KB)
--------lib()
--------annotate.py(5KB)
--------LICENSE_WikiSQL(1KB)
----bert()
--------tokenization.py(11KB)
--------convert_tf_checkpoint_to_pytorch.py(3KB)
--------README_bert.md(17KB)
--------LICENSE_bert(11KB)
--------modeling.py(30KB)
--------notebooks()
----sqlnet()
--------LICENSE(1KB)
--------dbengine.py(5KB)
----data_and_model()
--------bert_config_uncased_L-12_H-768_A-12.json(313B)
--------output_entity.py(9KB)
--------train_knowledge.jsonl(27.88MB)
--------dev_knowledge.jsonl(4.17MB)
--------vocab_uncased_L-12_H-768_A-12.txt(226KB)
----README.md(4KB)
----sqlova()
--------model()
--------__init__.py(3B)
--------utils()