内含数据集以及算法的源码，适合算法工程师在本领域的练手项目

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

Text2SQL Text to SQL( 以下简称Text2SQL)，是将自然语言文本（Text）转换成结构化查询语言SQL的过程，属于自然语言处理-语义分析（Semantic Parsing）领域中的子任务。 它的目的可以简单概括为：“打破人与结构化数据之间的壁垒”，即普通用户可以通过自然语言描述完成复杂数据库的查询工作，得到想要的结果。 Text2SQL 简单示例 (Demo) 示例 表_1-1 代码 名称 上市地点 收盘价 周涨跌幅 月涨跌幅 SINA.O 新浪 纳斯达克 58.93 -4.52 8.791 BITA.N 易车 纽约证券交易所 18.11 -4.78 -11.742 JRJC.O 金融界 纳斯达克 1.09 -9.17 2.834 SFUN.N 淘屏 纳斯达克 1.09 -9.17 2.834 SFUN.N 搜房网 纽约证券交易所 1.71 -9.52 28.575

首届中文NL2SQL挑战赛数据集

Bert4Keras-LZ 代码说明 本代码将将BERT，albert，Roberta预训练模型整合到wikisql与nl2sql表格数据集中，检验预训练模型对于表格问答的效果以下是对代码运行的说明。 环境配置 tensorflow == 1.14 keras == 2.2.4 bert4keras == 0.7.0 keras_bert == 0.80 python == 2.7 / 3.5 数据集下载 WikiSQL： : NL2SQL：无 文件运行 python wikisql_bert.py python nl2sql_bert.py 运行结果展示

首届中文NL2SQL挑战赛 :warning:由于可能存在的版权问题，请自行联系竞赛平台或主办方索要竞赛数据，谢谢！ :light_bulb:代码运行环境至文末 成绩 本项目所采用的方案在复赛中的线上排名为第5，最终最终成绩排名第3。 主分类下一个代码以jupyter notebook的形式呈现，以学习交流为目的，对原始代码经过一定的整理，并不会完全复现在线上的结果，但效果不会差太多。 代码目录下的与为建模流程， nl2sql/utils目录则包含该任务所需的一些基础函数和数据结构。 致谢 感谢追一科技的孙宁远对本次比赛做了细致的赛前辅导 感谢追一科技研究员，博主苏剑林，分享了大量关于NLP方面的优质博文本方案受到了。。

自然语言转SQL的SOTA项目https://github.com/guotong1988/NL2SQL-RULE 的完整数据

NL2SQL挑战赛冠军方案，1/1457

排名：6 队名：爆写规则一万行 成员： ， ， 环境环境 Ubuntu 18.04 的Python：3.6.5 火炬：1.1.0 CUDA：9.0 CUDNN：7.1.3 所需的包 我们将软件包用于主干BERT模型。 （请注意，原始在比赛期间已更新为 ，但出于稳定性考虑，我们选择使用旧版本。） 所需的Python软件包： fuzzywuzzy==0.17.0 numpy==1.17.0 torch==1.1.0 pytorch-pretrained-bert==0.6.2 tqdm==4.24.0 records 安装所需的python软件包的命令： pip install

首届中文NL2SQL挑战赛数据集