首届中文NL2SQL挑战赛亚军比赛攻略_BugCreater

来源：这里教程网时间：2026-03-02 13:03:53 作者：

关联比赛: 首届中文NL2SQL挑战赛

1. 任务描述

本次比赛的任务：根据Question、表格信息（包含列名、列类型、内容），预测对应的SQL语句（下图黄色部分）。比赛只涉及单表查询，需要预测的有4部分：挑选的列(sel)，列上的聚合函数(agg)，筛选的条件(conds)，及条件间的关系(cond_conn_op)。 enter image description here

本次赛题将提供4万条有标签数据作为训练集，1万条无标签数据作为测试集。其中，5千条测试集数据作为初赛测试集，对选手可见；5千条作为复赛测试集，对选手不可见。

2. 评价指标

比赛的评分标准包括： Logic Form Accuracy: 预测完全正确的SQL语句。其中，列的顺序并不影响准确率的计算。 Execution Accuracy: 预测的SQL的执行结果与真实SQL的执行结果一致。排行榜以$Score_{lf}$与$Score_{ex}$的平均值排序。

3. 难点分析

NL2SQL方向有很多有代表性的数据集，任务最合适的类比数据集就是2017年salesforce提出的WikiSQL数据集，包含8w多数据和2w多表格。不过与其相比，此次比赛的数据集有4点不同：

不限制使用表格内容信息

存在conds value不能从question提取的样本

select agg存在多项

没有conds缺失的样本

其中影响最大的就是train中25%左右样本conds value不能直接从question提取。下表是我们对样本集的一些参数的分析，包括问题长度，表格列数目列总长度最多sel和最多cond数目，这些参数决定了模型的超参数如何设置。

4. 解题方案

我们拆解出多个子任务：

把sel与agg结合当作多分类问题；

把cond_conn_op当作多分类问题；

把conds当作一个比较复杂的抽取问题

我们构建了多种类型神经网络模型，将这些任务进行联合学习。

enter image description here

改进点

使用了12层transformer动态权重融合，极大的增强了模型的编码能力；

通过列的shuffle进行数据增强，提高了模型的鲁棒性，对于sel、cond的列选择准确率有很好的提升效果；

针对conds value不能从question提取的样本的问题，我们使用纯净的数据（conds value多能从question提取）训练模型。然后用训练好的模型预测不能提取的这批数据，选择置信度高的结果当作类标；

在X-SQL的基础上，增加辅助任务。比如预测sel、cond的数目，可以作为我们后续融合的过滤条件。这两个任务的预测效果都非常好，可以达到99%以上。