图灵汇官网

随着机器学习的迅猛发展，越来越多的研究领域不断涌现。除了解决新问题外，现有应用也可以从机器学习中获得巨大收益。Salesforce 近期发布了一篇论文，介绍了一种利用机器学习的方法，使得用户无需掌握SQL语言也能在数据库中进行查询。

Salesforce 的人工智能研究团队从自身业务出发，探索如何让不具备SQL知识的人通过机器学习技术操作数据库。在他们最近发表的论文《Seq2SQL：使用强化学习将自然语言转换为SQL查询》中，研究团队开发了一个典型的序列到序列模型。通过引入强化学习，该模型在将自然语言转化为SQL查询方面取得了显著成果。

这意味着，用户可以直接向系统提问：“排名第一的橄榄球高校巡回赛队伍是哪支？”系统会自动查询相应的数据库，并给出答案——密歇根大学队。这一过程可以通过下面的动态图来展示。

Salesforce 的研究员Victor Zhong，同时也是该论文的主要作者，解释道：“一个正确的查询语句可以有多种写法。如果我们给系统输入一个自然语言的问题，可能有两到三种不同的查询语句。我们使用强化学习来激励系统选择那些能获取相同结果的查询语句。”

随着问题中包含的词汇量增加，这种机器翻译任务的复杂性也随之上升。为了解决这个问题，研究团队对问题中的词汇、数据库标签以及典型的SQL查询语句进行了限制，从而简化了翻译系统的复杂度。

使SQL平民化并不是新鲜事物。Tableau最近收购了ClearGraph，后者提供的服务就是让用户可以用英语而不是SQL来查询数据。

Victor Zhong补充说：“有些模型直接在数据库上操作，但如果问题是关于敏感信息（如身份证号），可能会引发隐私问题。”

除了提出的新方法，Salesforce的研究还构建了一个名为WikiSQL的数据集。该数据集由Wikipedia的HTML表格组成，作为生成随机SQL查询的基础。研究团队从这些查询生成相应的问题，并通过亚马逊Mechanical Turk平台将其转化为自然语言。每个问题都经过了两次验证，并有专人监督整个验证过程。最终形成的WikiSQL数据集是目前所有同类数据集中规模最大的一个。

via TechCrunch，雷锋网 AI 科技回复编译

论文地址：https://einstein.ai/static/images/layouts/research/seq2sql/seq2sql.pdf