不会SQL？没关系，以后动动嘴就能查询数据库了 | 附论文

陈桦 编译整理 量子位 出品 | 公众号 QbitAI

在编程世界里，SQL非常简单。然而，这种语言仍有一定的学习难度，导致许多人无法与关系数据库进行交互。Salesforce的人工智能研究团队正着手探索，如何利用机器学习技术，给不了解SQL的人群打开一扇大门。

该团队近期发表论文《Seq2SQL：利用强化学习技术从自然语言生成结构化查询》。论文中提出的方法基于语句到语句模型，而这通常被用于机器翻译。利用强化学习系统，该团队将自然语言翻译成为数据库查询指令，并取得了很不错的结果。

论文作者是来自Salesforce研究院的Victor Zhong、Caiming Xiong、Richard Socher。

这个Seq2SQL模型由三部分组成。

在实践中，这意味着用户可以简单地提问，大学橄榄球联赛中哪支队伍最终获胜，而适当的数据库会告诉你，胜利者是密歇根大学。

参与该项目的Salesforce研究员Victor Zhong表示：“我们实际上并没有一种正确的方式来编写查询指令。如果用自然语言提出问题，那么可能会有两到三种方式来编写查询指令。我们使用强化学习技术，鼓励使用能获得同样结果的指令。”

你可以想象，在单词库很大的情况下，机器翻译问题会很快变得非常复杂。而通过限制可能翻译结果的数量，问题会变得相对简单。因此，Salesforce选择了将单词库限制为数据库标签使用的单词、问题中包含的单词，以及通常用在SQL查询中的单词。

推动SQL普及的想法并不新鲜。例如，近期被Tableau收购的创业公司ClearGraph就尝试用英语而非SQL语言来查询数据。

Victor Zhong表示：“某些模型在数据库自身之上执行。但如果你查询社会安全号码，那么这样做就可能就牵涉到隐私问题。”

除论文本身，Salesforce在这个领域的最大贡献在于，构建了WikiSQL数据集，协助模型的建立。最初的HTML表格取材于维基百科。这些表格成为了随机生成的SQL查询的基础。这些查询被用于生成问题，随后被提交给人工，通过亚马逊Mechanical Turk进行改写。在人工指导下，每个问题都会被验证两次。最终形成的数据集是这个领域最大的数据集。

论文下载

对这篇论文感兴趣的朋友，可以在量子位微信公众号（QbitAI）对话界面回复：“SQL”，就可以获得下载地址了~