語義解析：自然語言生成SQL與知識圖譜問答實戰(zhàn)

定　價：￥99.00

作　者：	易顯維寧星星
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

ISBN：	9787111736899	出版時間：	2023-11-01	包裝：	平裝
開本：	16開	頁數：	205	字數：

內容簡介

　　全書分為3個部分：1. 部分主要介紹了NL2SQL技術的相關背景知識，包括對NL2SQL任務的描述和價值探討、外相關數據集的對比分析以及相關前置技術的介紹與實現2.第二部分深入解構當前NL2SQL技術領域的若干主流技術路線，并著重分析了各個技術方案的優(yōu)勢與不足，為開發(fā)者提供模型選擇的參考依據3.第三部分包含NL2SQL實踐指導相關篇章，結合相關代碼，以單表無嵌套和多表有嵌套為例，從數據預處理、模型的構建，模型優(yōu)化技巧等方面為讀者構建了完整的NL2SQL技術實現流程讀者通過對本書的閱讀，可以對自然語言處理語義解析領域新興的子任務——NL2SQL有一個清晰地認識。本書充分介紹了語義解析任務相關研究進展，對主流技術方案進行了詳細闡述與分析，并從實踐的角度展示了NL2SQL完整的技術實現流程，希望幫助讀者深入理解并高效搭建起語義解析框架，同時對語義解析領域的發(fā)展起到一定的促進作用。

作者簡介

暫缺《語義解析：自然語言生成SQL與知識圖譜問答實戰(zhàn)》作者簡介

圖書目錄

C O N T E N T S
目錄序
前言
第1章NL2SQL和KBQA中的語義
解析技術1
11人機交互應用與語義解析
難點分析1
12主流的語義解析技術5
121NL2SQL任務及方法5
122KBQA任務及方法12
123語義解析技術方案對比17
13語義解析的預訓練模型和
數據集19
131語義解析中的預訓練模型19
132NL2SQL數據集19
133KBQA數據集21
14本章小結23第2章基于機器翻譯的語義解析
技術24
21機器翻譯原理淺析24
211常見機器翻譯技術路線24
212神經網絡機器翻譯基本框架26
22NL2SQL翻譯框架的構建27
221Seq2Seq模型原理27
222將Seq2Seq模型應用于
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模型預測及其訓練
細節(jié)30
24T5預訓練模型在NL2SQL中的
應用31
241T5模型簡介31
242T5模型架構32
243T5模型訓練方式32
244T5模型在NL2SQL中的
應用33
25NL2SQL的T5模型實踐33
26本章小結43第3章基于模板填充的語義解析
技術44
31意圖識別和槽位填充44
311意圖識別和槽位填充的
步驟45
312如何進行意圖識別和槽位
填充46
32基于X-SQL的模板定義與子
任務分解48
33本章小結49第4章基于強化學習的語義解析
技術50
41Seq2Seq中的強化學習
知識50
42SCST模型51
421SCST模型簡介52
422SCST模型框架52
423SCST代碼實現52
43MAPO模型62
431MAPO模型簡介62
432MAPO代碼實現63
44本章小結67第5章基于GNN的語義解析
技術68
51使用GNN對數據庫模式進行
編碼68
511匹配可能模式項的集合69
512GNN編碼表示69
52關注模式的Global GNN71
521Global GNN的改進71
522Gating GCN模塊詳解72
523Re-ranking GCN模塊詳解75
53關注模式鏈接的RATSQL79
531Relation-Aware Self-Attention
模型80
532考慮復雜的連接關系80
533模式鏈接的具體實現81
54關注模式鏈接拓撲結構的
LGESQL83
541LGESQL模型簡介83
542LGESQL模型框架86
55本章小結87第6章基于中間表達的語義解析
技術88
61中間表達：IRNet88
62引入中間表達層SemQL90
63IRNet代碼精析92
631模式鏈接代碼實現92
632SemQL的生成95
633SQL語句的生成101
64本章小結107第7章面向無嵌套簡單SQL查詢的
原型系統(tǒng)構建108
71語義匹配解決思路108
72任務簡介109
73任務解析110
731列名解析110
732輸入整合111
733輸出子任務解析111
734模型整體架構112
74代碼示例113
741QueryTokenizer類的構造113
742SqlLabelEncoder類的
構造115
743生成批量數據115
744模型搭建117
745模型訓練和預測118
75本章小結120第8章面向復雜嵌套SQL查詢的
原型系統(tǒng)構建121
81復雜嵌套SQL查詢的難點
剖析121
811復雜嵌套SQL語句121
812難點與對策分析122
82型模型解析123
821構建復雜SQL語句的中間
表達形式123
822型模型的搭建與訓練124
83列模型解析127
831嵌套信息的編碼設計127
832列模型的搭建與訓練127
84值模型解析130
841值與列的關系解析130
842值模型的搭建與訓練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134第9章面向SPARQL的原型系統(tǒng)
構建135
91T5、BART、UniLM模型
簡介135
92T5、BART、UniLM方案136
93T5、BART、UniLM生成
SPARQL語句實現141
94T5、BART、UniLM模型結果
合并156
95路徑排序160
96SPARQL語句修正和再次
排序172
97本章小結185 0章預訓練優(yōu)化186
101預訓練技術的發(fā)展186
1011掩碼語言建模187
1012去噪自動編碼器189
102 預訓練模型：
TaBERT192
1021信息的聯合表示192
1022預訓練任務設計192
103TAPAS194
1031附加Embedding編碼表
結構194
1032預訓練任務設計195
104GRAPPA195
1041表格數據增強：解決數據
稀疏難題195
1042預訓練任務設計195
105本章小結197 1章語義解析技術落地思考198
111研究與落地的差別198
112產品視角的考慮200
113潛在的落地場景200
114實踐技巧201
1141數據增強在NLP領域的
應用201
1142數據增強策略202
1143方案創(chuàng)新點204
115本章小結205