用SQL示例增加自然語言生成復(fù)雜SQL準(zhǔn)確性的方法 技術(shù)領(lǐng)域 [0001] 本發(fā)明涉及自然語言轉(zhuǎn)為數(shù)據(jù)庫的結(jié)構(gòu)化查詢語言技術(shù)領(lǐng)域，特別是涉及一種用SQL示例增加自然語言生成復(fù)雜SQL準(zhǔn)確性的方法。 背景技術(shù) [0002] 自然語言轉(zhuǎn)SQL(natural?language?to?structured?query?language，?NL2SQL)任務(wù)是將自然語言轉(zhuǎn)為數(shù)據(jù)庫的結(jié)構(gòu)化查詢語言(Structured?Query?Language，?SQL)，?該技術(shù)能使用戶在不會SQL的情況下，通過自然語言與數(shù)據(jù)庫進(jìn)行交互。由于用戶問題表達(dá)方式的多樣性、數(shù)據(jù)庫表結(jié)構(gòu)和SQL的復(fù)雜性，從自然語言問題中生成準(zhǔn)確的SQL是一項具有挑戰(zhàn)性的任務(wù)。 [0003] 傳統(tǒng)的NL2SQL系統(tǒng)通?；谝?guī)則和深度學(xué)習(xí)網(wǎng)絡(luò)的方法，雖然取得了不錯的性能，但基于規(guī)則的方法依賴于人工，因此成本昂貴。而傳統(tǒng)基于神經(jīng)網(wǎng)絡(luò)的方法需要不斷地根據(jù)業(yè)務(wù)的領(lǐng)域來微調(diào)模型，在數(shù)據(jù)庫越來越復(fù)雜的當(dāng)下，?非常不靈活。 [0004] 近年來，隨著大語言模型（Large?Language?Models，LLM）的流行，基于LLM的NL2SQL成為了廣受關(guān)注的探索方向。LLM憑借強(qiáng)大的語言理解能力，可以在不需要微調(diào)的情況下，僅憑借提示詞就獲得不錯的效果?；诖笳Z言模型的NL2SQL雖然相比于之前的方法取得了突破，但對于復(fù)雜的SQL依然難以準(zhǔn)確地生成。 [0005] 復(fù)雜的SQL可能需要使用到外聯(lián)、子查詢，窗口函數(shù)等操作，通常這類SQL長度更長，涉及的表更多。目前的大語言模型在訓(xùn)練階段所使用的數(shù)據(jù)集中出現(xiàn)包含這幾類操作的SQL的數(shù)量少，現(xiàn)有技術(shù)中大語言模型并不擅長生成復(fù)雜的SQL。 [0006] 因此，針對現(xiàn)有技術(shù)不足，提供一種基于大語言模型的用SQL示例增加自然語言生成復(fù)雜SQL準(zhǔn)確性的方法以克服現(xiàn)有技術(shù)不足甚為必要。 發(fā)明內(nèi)容 [0007] 本發(fā)明的目的在于避免現(xiàn)有技術(shù)的不足之處而提供一種用SQL示例增加自然語言生成復(fù)雜SQL準(zhǔn)確性的方法，借助用戶添加的SQL示例，增強(qiáng)了LLM生成的SQL的準(zhǔn)確性，同時降低了用戶的等待時間，在生成復(fù)雜SQL時，性能優(yōu)良。 [0008] 本發(fā)明的目的通過以下技術(shù)措施實現(xiàn)。 [0009] 提供一種用SQL示例增加自然語言生成復(fù)雜SQL準(zhǔn)確性的方法，對于用戶的請求Query，按照如下步驟處理： [0010] S100.對用戶的請求進(jìn)行重寫； [0011] S200.檢索與請求Query相關(guān)的數(shù)據(jù)庫模式，從數(shù)據(jù)庫中檢索出相關(guān)的表模式； [0012] S300.檢索與請求Query相關(guān)的SQL示例； [0013] 通過向量檢索和全文檢索的混合，從數(shù)據(jù)庫中檢索出相關(guān)的SQL示例； [0014] S400.?基于SQL示例的請求Query復(fù)雜度評估，即為請求Query要生成的SQL進(jìn)行難度評估，若評估結(jié)果是該請求Query只需要簡單SQL即可完成查詢，則進(jìn)入S500；否則進(jìn)入流程S900； [0015] S500.提示詞構(gòu)建，即將Query、表模式、SQL示例填入prompt模板中； [0016] S600.PreSQL生成，即將構(gòu)建好的提示詞輸入大語言模型，由大語言模型進(jìn)行處理得到SQL； [0017] S700.執(zhí)行SQL，若執(zhí)行過程中不報錯則執(zhí)行步驟S1400，若執(zhí)行過程中報錯則執(zhí)行步驟S800； [0018] S800.檢查SQL示例中是否包含SQL模板，如果包含則進(jìn)入步驟S900，否則進(jìn)行步驟S1100； [0019] S900.基于Function?call的示例增強(qiáng)，即用步驟S300中匹配到的SQL示例來創(chuàng)建Function?call的請求Json，并使用大語言模型來執(zhí)行，將結(jié)果構(gòu)建成SQL； [0020] S1000.將示例增強(qiáng)生成的SQL、該SQL的執(zhí)行結(jié)果、Query構(gòu)建為提示詞后輸入給大語言模型，判斷SQL的執(zhí)行結(jié)果能否回答Query，如大語言模型判斷為“能”則執(zhí)行步驟S1400，否則執(zhí)行步驟S1200； [0021] S1100.?基于PreSQL的提示詞構(gòu)建，即通過向量檢索和全文檢索的混合，從數(shù)據(jù)庫中檢索出與PreSQL相關(guān)的SQL示例和表模式，并通過PreSQL中使用的表對查詢出的表模式進(jìn)行過濾，過濾后的表模式去掉PreSQL中未使用的列，最后用步驟S200中檢索出的數(shù)據(jù)庫模式、步驟S300中檢索出的SQL示例、本步驟中檢索出的SQL示例和模式描述進(jìn)行兩兩組合，構(gòu)建出4組提示詞模板； [0022] S1200.基于PreSQL的示例增強(qiáng)，即根據(jù)步驟S1100輸入的提示詞生成SQL語句； [0023] S1300.先過濾掉執(zhí)行出錯的結(jié)果，然后對正確執(zhí)行的SQL的執(zhí)行結(jié)果進(jìn)行投票，得票最多的結(jié)果作為最終結(jié)果返回；當(dāng)出現(xiàn)平票時，由LLM選擇最合適的結(jié)果；

1.一種用SQL示例增加自然語言生成復(fù)雜SQL準(zhǔn)確性的方法，其特征在于，對于用戶的請求，按照如下步驟處理： S100.對用戶的請求Query進(jìn)行重寫； S200.檢索與請求Query相關(guān)的數(shù)據(jù)庫模式，從數(shù)據(jù)庫中檢索出相關(guān)的表模式； S300.檢索與請求Query相關(guān)的SQL示例； S400.基于SQL示例的請求復(fù)雜度評估，即為請求Query要生成的SQL進(jìn)行難度評估，若評估結(jié)果是該請求通過簡單SQL可完成查詢，則進(jìn)入S500；否則進(jìn)入S900； S500.提示詞構(gòu)建，即將請求Query、表模式、SQL示例填入prompt模板中； S600.PreSQL生成，即將構(gòu)建好的提示詞輸入大語言模型，由大語言模型進(jìn)行處理得到SQL，此步驟得到的SQL即為PreSQL； S700.執(zhí)行SQL，若執(zhí)行過程中不報錯則執(zhí)行步驟S1400，若執(zhí)行過程中報錯則執(zhí)行步驟S800； S800.檢查SQL示例中是否包含SQL模板，如果包含則進(jìn)入步驟S900，否則進(jìn)行步驟S1100； S900.基于Function?call的示例增強(qiáng)，即用步驟S300中匹配到的SQL示例來創(chuàng)建Function?call的請求Json，并使用大語言模型來執(zhí)行，將結(jié)果構(gòu)建成SQL，此步驟構(gòu)建的SQL為示例增強(qiáng)生成的SQL； S1000.將示例增強(qiáng)生成的SQL、該SQL的執(zhí)行結(jié)果、Query構(gòu)建為提示詞后輸入給大語言模型，判斷SQL的執(zhí)行結(jié)果能否回答Query，當(dāng)大語言模型判斷為“能”則執(zhí)行步驟S1400，否則執(zhí)行步驟S1200； S1100.基于PreSQL的提示詞構(gòu)建，即通過向量檢索和全文檢索的混合，從數(shù)據(jù)庫中檢索出與PreSQL相關(guān)的SQL示例和表模式，并通過PreSQL中使用的表對查詢出的表模式進(jìn)行過濾，過濾后的表模式去掉PreSQL中未使用的列，最后用步驟S200中檢索出的數(shù)據(jù)庫模式、步驟S300中檢索出的SQL示例、本步驟中檢索出的SQL示例和模式描述按照“數(shù)據(jù)庫模式+SQL示例”的格式進(jìn)行組合，構(gòu)建出4組提示詞模板； S1200.基于PreSQL的示例增強(qiáng)，即根據(jù)步驟S1100輸入的提示詞生成SQL語句； S1300.先過濾掉執(zhí)行出錯的結(jié)果，然后對正確執(zhí)行的SQL的執(zhí)行結(jié)果進(jìn)行投票，得票最多的結(jié)果作為最終結(jié)果返回；當(dāng)出現(xiàn)平票時，由LLM選擇最合適的結(jié)果； S1400.將結(jié)果返回給用戶。