天池平台_2019_首届中文NL2SQL挑战赛.md

天池平台-首届中文NL2SQL挑战赛

比赛地址

一.背景

一般与数据库系统的交互有两种方式：第一是通过写SQL语句；第二是通过用户界面。那么能够有第三种方式？通过自然语言的方式。围绕该任务的研究，学术界已经有一些成果，具体可以进行调研。

二.数据介绍

该比赛通过使用金融和通用领域的表格数据作为数据源，提供在此基础上标注的自然语言和SQL语句的匹配对。

训练集	测试集1	测试集2
4w	0.5w	0.5w

训练数据的一个样本如下：

{
    "nl": "((项目名称) 等于世茂茂悦府 并且(容积率) 大于 1) 套均面积 是多少", # 基于模板自动生成的自然语句
    "table_id": "a1b2c3d4", # 相应表格的id
    "question": "世茂茂悦府新盘容积率大于1，请问它的套均面积是多少？", # 自然语言问句
    "sql":{ # 真实SQL
        "sel": [7], # SQL选择的列
        "agg": [0], # 选择的列相应的聚合函数, '0'代表无
        "cond_conn_op": 0, # 条件之间的关系
        "conds": [
            [1,2,"世茂茂悦府"], # 条件列, 条件类型, 条件值，col_1 == "世茂茂悦府"
            [6,0,1]
        ]
    },
    "sql_nl": "SELECT col_8 FROM Table WHERE (col_2 == '世茂茂悦府' and col_7 > 1)" # 真实SQL的字符串形式
}

其中，测试数据的输入只有table_id和question两个字段。在训练数据中，需要重点关注nl字段应该怎样使用？

比赛的评分标准

（1）Logic Form Accuracy:预测完全正确的SQL语句，其中，表的列的顺序并不影响准确率的计算。

（2）Execution Accuracy: 预测的SQL的执行结果与真实的SQL的执行结果一致。