雷鋒網(wǎng) AI 科技評論按：隨著機器學(xué)習(xí)蓬勃發(fā)展，新的研究領(lǐng)域不停出現(xiàn)。除了創(chuàng)造并解決新的問題之外，現(xiàn)有的應(yīng)用其實也可以從機器學(xué)習(xí)中大為受益。Salesforce 近期的一篇論文就介紹了利用機器學(xué)習(xí)，無需學(xué)習(xí)SQL語言就可以在數(shù)據(jù)庫中進行查詢。雷鋒網(wǎng) AI 科技評論把相關(guān)報道編譯如下。

SQL在編程領(lǐng)域越來越少被提及，但是SQL語言的學(xué)習(xí)曲線仍然陡峭，這就讓很多人放棄了嘗試直接和關(guān)系型數(shù)據(jù)庫打交道。CRM 軟件服務(wù)商 Salesforce 的人工智能研究團隊就從自己的業(yè)務(wù)開始下手，探索如何讓不具備 SQL 知識的人通過機器學(xué)習(xí)打開數(shù)據(jù)庫操作的大門。

在他們近期的論文「Seq2SQL: Generating Structured Queries from Natural Language using Reinforcement Learning」（Seq2SQL：用強化學(xué)習(xí)從自然語言生成結(jié)構(gòu)化查詢語句）中，構(gòu)建了一個機器學(xué)習(xí)中典型的序列到序列模型。在其中用到的強化學(xué)習(xí)讓模型在翻譯自然語言到SQL數(shù)據(jù)庫查詢語句任務(wù)中取得了讓人眼前一亮的成果。

這就意味著，在實際應(yīng)用中用戶可以直接問系統(tǒng)：“橄欖球高校巡回賽排名第一的是哪支隊伍”，系統(tǒng)就會自動查詢對應(yīng)的數(shù)據(jù)庫，然后告訴你答案是密歇根大學(xué)隊。正如下面這張動圖示意的？

Salesforce 研究員 Victor Zhong，也是這篇論文的第一作者，介紹說：“一個正確的查詢語句其實可以有好幾種寫法。如果給系統(tǒng)里輸入一個自然語言的問題，對應(yīng)的查詢語句可能會有兩三種。我們用強化學(xué)習(xí)來鼓勵系統(tǒng)選用能夠查詢到相同結(jié)果的語句?！?/p>

隨著自然語言的提問里包含的單詞變多，可以想象這種機器翻譯任務(wù)也會很快變得非常復(fù)雜。應(yīng)對方式就是，對于每一個缺失單詞的可能翻譯數(shù)目施加的限制越多，翻譯任務(wù)就會變得越簡單。Salesforce 的研究人員們就利用了這種想法，他們對系統(tǒng)的提問里、數(shù)據(jù)庫標(biāo)簽里和典型 SQL 查詢語句里能夠包含的單詞做了一些限制，從而簡化了翻譯系統(tǒng)的設(shè)計難度。

讓 SQL 平民化其實也不是新鮮事了，Tableau 最近收購了創(chuàng)業(yè)公司 ClearGraph，后者的業(yè)務(wù)就是提供用英語而不是SQL語言查詢數(shù)據(jù)的方案。

Victor Zhong 補充說：“有的模型直接在數(shù)據(jù)庫上做操作，但是如果提問一個關(guān)于身份證號的問題就會有潛在的隱私問題。”

除了論文里的方案本身，Salesforce 的這項研究還有一個貢獻是他們構(gòu)建的 WikiSQL 數(shù)據(jù)集，他們的翻譯模型就是用這個數(shù)據(jù)集訓(xùn)練出來的。他們首先從 Wikipedia 采集了HTML表單，這些表單就成為了隨機生成的 SQL 查詢語句的基礎(chǔ)；他們從這些查詢生成了對應(yīng)的問題，然后把問題放到亞馬遜 Mechanical Turk 眾包平臺上讓人類把它們改寫成自然語言。每個改寫后的句子都會被確認兩次，而且還安排了單獨的人指導(dǎo)這些確認過程。最終構(gòu)成的 WikiSQL 數(shù)據(jù)集也是目前所有同類數(shù)據(jù)集中最大的一個。

via TechCrunch，雷鋒網(wǎng) AI 科技評論編譯

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

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。