Automatic database description generation for Text-to-SQL
作者: Yingqi Gao, Zhiling Luo
发布时间: 2025-03-03
来源: arxiv
研究方向: 自然语言处理（NLP）与数据库查询转换（NL2SQL）
主要内容
本文提出了一种自动生成数据库描述的方法，用于解决在文本到SQL（Text-to-SQL）任务中，当缺乏显式描述时，如何生成有效的数据库描述的问题。
主要贡献
1. 提出了一种双进程策略，包括粗到细和细到粗的方法，以自动生成数据库描述。
2. 实验结果表明，使用该方法生成的描述可以显著提高SQL生成准确率。
3. 发布了源代码，支持SQLite、MySQL和PostgreSQL数据库，并兼容M-Schema。
研究方法
1. 使用大型语言模型（LLM）来理解数据库结构。
2. 采用粗到细的方法，从数据库层面理解到表层面，再到列层面。
3. 采用细到粗的方法，从列层面理解到表层面。
4. 利用LLM生成列描述和表描述，并限制描述长度以保持有效性。
实验结果
在Bird基准测试中，使用该方法生成的描述将SQL生成准确率提高了0.98%，达到手动标注水平的39%。
未来工作
进一步研究如何提高描述生成的准确性和效率，以及如何将该方法应用于更广泛的数据库类型。