語意解析：自然語言生成SQL與知識圖譜問答實戰

如何保證大模型輸出內容的可靠性？
如何建立自然語言和形式邏輯之間的映射？
如何在工業級應用中將自然語言查詢自動轉換為SQL語言？
如何由淺入深地實現一個知識圖譜問答系統？
如何使用預訓練技術來提高模型語意理解的能力？
如何透過資料增強的方法提升語意解析的效果？
在實際產品中如何應用語意解析技術？
以上所有問題都能在本書中找到答案！
語意解析技術能解決大模型無法保證輸出的形式語言可靠性和輸出答案真實性的問題。
本書由語意解析競賽獲獎者撰寫，透過本書的學習，讀者可以了解NLP的相關技術，掌握自然語言生成SQL和知識圖譜問答的實作方法。
本書從邏輯上分為三個部分。
第一部分（第1章）：
從具體的語意解析問題入手，引出了各種主流技術，討論了不同技術方案的對比和實現路徑，並比較了不同數據集和技術路線的實驗效果。
第二部分（第2～6章）：
詳細講解了5種語意解析技術路線，即基於機器翻譯、模板填色、強化學習、GNN、中間表達的技術原理與實作範例。
第三部分（第7～11章）：
講解如何從零開始建構一個語意解析系統，並針對NL2SQL和知識圖譜問答的不同應用情境提供實務方案。
同時，闡述了在產品中落地語意解析技術可能遇到的問題和應對技巧。

前言
第1章NL2SQL與KBQA中的語意解析技術
1.1 人機互動應用與語意解析難點分析
1.2 主流的語意解析技術
1.2.1 NL2SQL任務及方法
1.2.2 KBQA任務及方法
1.2.3 語意解析技術方案對照
1.3 語意解析的預訓練模型與資料集
1.3.1 語意解析中的預訓練模型
1.3.2 NL2SQL資料集
1.3.3 KBQA資料集
1.4 本章小結
第2章基於機器翻譯的語意解析技術
2.1 機器翻譯原理淺淺析
2.1.1 常見機器翻譯技術路線
2.1.2 神經網路機器翻譯基本框架
2.2 NL2SQL翻譯框架的建構
2.2.1 Seq2Seq模型原理
2.2.2 將Seq2Seq模型應用於NL2SQL
2.3 從序列到集合：SQLNet模型的解決方案
2.3.1 序列到集合
2.3.2 列名註意力
2.3.3 SQLNet模型預測及其訓練細節
2.4 T5預訓練模型在NL2SQL中的應用
2.4.1 T5模型簡介
2.4.2 T5模型架構
2.4.3 T5模型訓練方式
2.4.4 T5模型在NL2SQL中的應用
2.5 NL2SQL的T5模型實踐
2.6 本章小結
第3章基於模板填充的語義解析技術
3.1 意圖識別和槽位填充
3.1.1 意圖識別和槽位填充的步驟
3.1 .2 如何進行意圖辨識與槽位填色
3.2 基於X-SQL的模板定義與子任務分解
3.3 本章小結
第4章基於強化學習的語意解析技術
4.1 Seq2Seq中的強化學習知識
4.2 SCST模型
4.2.1 SCST模型簡介
4.2.2 SCST模型架構
4.2.3 SCST程式碼實作
4.3 MAPO模型
4.3.1 MAPO模型簡介
4.3.2 MAPO程式碼實作
4.4 本章小結
第5章基於GNN的語意解析技術
5.1 使用GNN對資料庫模式進行編碼
5.1. 1 符合可能模式項目的集合
5.1.2 GNN編碼表示
5.2 關注模式的Global GNN
5.2.1 Global GNN的改進
5.2.2 Gating GCN模組詳解
5.2.3 Re-ranking GCN模組詳解
5.3 關注模式連結的RATSQL
5.3. 1 Relation-Aware Self-Attention模型
5.3.2 考慮更複雜的連結關係
5.3.3 模式連結的具體實作
5.4 關注模式連結拓樸結構的LGESQL
5.4.1 LGESQL模型簡介
5.4.2 LGESQL模型架構
5.5 本章小結
第6章基於中間表達的語意解析技術
6.1 中間表達：IRNet
6.2 引入中間表達層SemQL
6.3 IRNet代碼精析
6.3.1 模式連結代碼實現
6.3.2 SemQL的生成
6.3.3 SQL語句的生成
6.4 本章小結
第7章針對無巢狀簡單SQL查詢的原型系統建構
7.1 語意配對解決思路
7.2 任務簡介
7.3 任務解析
7.3.1 列名解析
7.3.2 輸入整合
7.3.3 輸出子任務解析
7.3.4 模型整體架構
7.4 程式碼範例
7.4 .1 QueryTokenizer類別的建構
7.4.2 SqlLabelEncoder類別的建構
7.4.3 產生批次資料
7.4.4 模型建構
7.4.5 模型訓練與預測
7.5 本章小結
第8章面向
複雜嵌套套SQL查詢的困難剖析
8.1.1 複雜巢狀SQL語句
8.1.2 困難與對策分析
8.2 型模型解析
8.2.1 建構複雜SQL語句的中間表達形式
8.2.2 型模型的搭建與訓練
8.3 列模型解析
8.3.1 嵌套資訊的編碼設計
8.3.2 列模型的搭建與訓練
8.4 值模型解析
8.4.1 值與列的關係解析
8.4.2 值模型的搭建與訓練
8.5 完整系統示範
8.5.1 解碼器
8.5.2 完整流程展示
8.6 本章小結
第9章面向SPARQL的原型系統建構
9.1 T5、BART、 UniLM模型簡介
9.2 T5、BART、UniLM方案
9.3 T5、BART、UniLM產生SPARQL語句實作