导语
上篇博客：Text2SQL学习整理（三）：SQLNet与TypeSQL模型简要介绍了WikiSQL数据集提出后两个早期的baseline，那时候像BERT之类的预训练语言模型还未在各种NLP任务中广泛应用，因而作者基本都是使用Bi-LSTM作为基本组件搭建模型。
本篇博客将介绍两个借助预训练语言模型BERT来解决WIkiSQL数据集挑战的方法：SQLOVA和X-SQL模型。其中，SQLOVA这篇工作更是发表在了2019年的NIPS上，可以看出这个任务被越来越多人所关注。
A Comprehensive Exploration on WikiSQL with Table-AwareWord Contextualization
创新点
SQLOVA工作的创新点有两个：
- 借助预训练模型，达到人类表现；
- 给出了WikiSQL数据集上的人类表现。
模型架构
整个框架包含两个部分：
- Table-aware Encoding Layer，用于获取表和上下文感知的question word表示；
- NL2SQL Layer，用于从编码表示生成SQL查询。
输入模块
上图为一个WikiSQL数据集中的问题-SQL示例。表格的schema（即图中的表名、列名等）是一种结构性信息，而在利用BERT之类的预训练模型时，需要将所有输入全部转为一个序列。SQLOVA的转换方式如下：
可以看到，序列的开始部分是query（也即用户的自然语言问句Question），之后是数据库的各个列的名字。因为WIkiSQL是单表的数据库，所以不需要编码表名。在序列化过程中，SQLOVA利用了BERT中的[CLS]、[SEP]等特殊token作为分隔符。
如上图所示，输入Table-aware Encoding Layer将自然语言查询与整个表的所有header放在一起进行编码，用来表示问题与表两者信息之间存在交互。
NL2SQL模块
与之前的SQLNet类似，SQLOVA在生成SQL语句时采用slot filling的思想，还是分别用6个子模块来生成SQL语句的各个部分。
NL2SQL层的6个子模块不共享参数、代替使用pointer network推断Where_val,这里训练一个模块来推断start和end、where_val不仅依赖于where_col还依赖于where_op(比如text的类型不存在>或<)、当要结合question和header时，采用的是拼接操作而不是求和操作。
Execution-guided decoding
SQLOVA使用了Execution-guided decoding技术，以减少不可执行的query语句。
所谓Execution-guided decoding就是在输出返回结果时对检查生成的SQL序列是否是一条语法正确的SQL语句，使模型最终输出的SQL语句一定是可以无语法错误执行的。它是通过将候选列表中的SQL查询按顺序提供给执行器来执行的，并丢弃那些执行失败或返回空结果的查询。该技术可以参考论文Robust Text-to-SQL Generation with Execution-Guided Decoding.
实验结果
文章还给出了human的performance，从结果来看，SQLova已超过了人类表现。
Ablation Study
同时，文章还进行了充分的消融实验以检验各个模块的有效性。可以看出，预训练模型BERT的引入对结果有很大提升。即使用词语的上下文对logical form的acc有很大贡献。
X-SQL: reinforce schema representation with context
创新点
X-SQL也是利用预训练语言模型的方法。它使用BERT风格预训练模型的上下文输出来增强结构化schema表示，并在下游任务中与类型信息一起学习一个新的schema表示。同时，这里不再使用BERT，而是使用MT-DNN（Multi-Task Deep Neural Networks for Natural Language Understanding一种多任务学习出来的语言模型，详见https://fyubang.com/2019/05/23/mt-dnn/）预训练模型。
模型架构
模型的整体架构如上图所示。
模型包括三个部分：
- 序列编码器：
- 上下文增强的schema编码器
- 输出层
序列编码器
序列编码器部分类似BERT，但主要改动如下：
- 给每个表增加了一个特殊的空列[EMPTY]；
- 将segment embedding替换为type embeding，包括问题、类别列、数字列、特殊空列，共4种类型；
- 采用MT-DNN而不是BERT-Large来初始化。
上下文增强的schema编码器：
该模块根据表格每列的tokens的编码来得到相应列的表示hCi，利用attention。将每个列名对应的多个token输出的向量聚合并且在混入[CTX] token中的信息。
输出层
采用与之前同样的做法，最终输出时将任务分解为6个子任务，每个均采用更简单的结构，采用LayerNorm，输入为schema的表示hCi和上下文表示hCTX。
结果
通过这些改进，X-SQL将性能表现提升至90%以上，超过了SQLOVA。
总结
本文介绍了两个借助预训练语言模型BERT（MT-DNN）来表示schem和Question之间上下文关系表示的方法，通过预训练语言模型强大的表示能力，模型第一次在数据集上的表现超越了人类。足以见证当今NLP技术发展之迅速。
