买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜江苏方天电力技术有限公司;东南大学申请的专利基于多视角特征解耦的NL2SQL方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114969087B 。

龙图腾网通过国家知识产权局官网在2025-03-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210405166.6，技术领域涉及：G06F16/242；该发明授权基于多视角特征解耦的NL2SQL方法和装置是由龙玲莉;祝永晋;李剑;孔峥;李昆明;邵俊;陈公海;于广荣;杨勤胜;林涛;谢伟;曹卫青;张旭;周德宇设计研发完成，并于2022-04-18向国家知识产权局提交的专利申请。

本基于多视角特征解耦的NL2SQL方法和装置在说明书摘要公布了：本发明公开了一种基于多视角特征解耦的NL2SQL方法及装置，所述方法具体包括以下步骤：1NL2SQL知识库构建步骤；2NL2SQL数据集构建步骤；3NL2SQL模型构建步骤，用于分别构建SQL查询语句SELECT部分、WHERE部分以及SQL整体的语义编码模型；为了有效捕捉SELECT以及WHERE各个部分的语义特征，构建多视角特征解耦的方法；4NL2SQL模型训练步骤，用于构建损失函数，构建优化函数。本发明的方法真实的NL2SQL数据集上取得了显著效果，在自动问答系统领域有很大的应用前景。

本发明授权基于多视角特征解耦的NL2SQL方法和装置在权利要求书中公布了：1.一种基于多视角特征解耦的NL2SQL方法，其特征在于，该方法包括以下步骤：S1.构建NL2SQL知识库，利用用户的查询问题，人工编写SQL查询语句，构造由查询问题、SQL查询语句以及表结构一一对应的数据条目，形成NL2SQL知识库；S2.构建NL2SQL数据集，对于每个问题，在NL2SQL知识库中每一个问题都有一个与之配对的SQL查询语句以及数据库表结构，根据NL2SQL知识库划分训练集、验证集以及测试集；S3.构建NL2SQL模型，依次构建输入层、构建SELECT部分编码模型、构建WHERE部分编码模型、构建SELECT+WHERE部分编码模型、构建不同任务多视角解耦层、构建不同子任务预测层；步骤S3中所述构建输入层具体为：输入层分别从NL2SQL数据集中获取用户问题、表结构，将其形式化为：Input：；所述输入层采用BERT的输入，由三部分组成:词嵌入TokenEmbedding、片段嵌入SegmentEmbedding、位置嵌入PositionEmbedding，将这三个向量相加即可得到句子中每个词的输入向量，将句子中每个词的输入向量组合成矩阵，就是句子的输入；BERT的输入进行若干次多头注意力机制、层归一化以及前馈网络层之后得到输出：E＝BERTInput针对矩阵E定义分类概率分布Pc的计算公式:PcE＝SoftmaxWtanhE W表示的是可训练的参数，tanh是机器学习中一种常见的激活函数，用softmax函数对向量中所有数值进行归一化处理，并将其转化成概率值，经过归一化处理后的数值总和为1；步骤S3中所述构建SELECT部分编码模型具体为：SELECT编码模型的优化目标只包含SELECT部分的子任务SELECT-COL以及SELECT-AGGSELECTCOUNT*SQL中SELECT部分，使用BERT进行编码的到相应的文本表示ES；根据ES预测列名SELECT-COL，取值范围为当前数据表中的所有列名，为SELECT-COL预测模块的权重，SELECT-COL预测模块的分类概率分布公式如下： 在选定使用的列名COL后，还需要预测列名对应的聚合操作SELECT-AGG，取值范围为{“NONE”，“MAX”，“MIN”，“COUNT”，“SUM”，“AVG”}，为为SELECT-AGG预测模块的权重： 其中，为SELECT-AGG预测模块的概率分布；步骤S3中所述构建WHERE部分编码模型具体为：WHERE编码模型的优化目标只包含WHERE部分的子任务WHERE-COL、WHERE-NUM、WHERE-OP以及WHERE-VALUE，使用BERT进行编码的到相应的文本表示EW，根据EW预测WHERE子任务，首先预测列名COL使用的数量WHERE-NUM，为WHERE-NUM预测模块的权重，公式如下： 其中，为WHERE-NUM预测模块的分类概率分布；在预测完列名COL使用的数量之后，接下来需要预测对应数量使用的是哪些列名WHERE-COL，即需要选定使用的列名COL，取值范围为当前数据表中的所有列名，为WHERE-COL预测模块的权重，WHERE-COL预测模块的分类概率分布公式如下： 在选定使用的列名COL后，还需要预测列名对应的比较操作WHERE-OP，取值范围为{“”，“”，“＝”，“！＝”，“＝”，“＝”}，假设当前选中的列名COL为数据表T中的第hi列，为WHERE-OP预测模块的权重，WHERE-OP预测模块的分类概率分布公式如下： 通过对原始的自然语言查询进行序列标注，标注中包含START和END两个特殊标签，在这两个标签之间的文本就是获取的条件值；利用这个整体特征表达，对其构建分类模型，用于判断当前文本类型的VAL值构成的候选条件是否在SQL语句中，二分类问题取值范围为{0，1}，以及为分别为WHERE-VALstart预测模块和WHERE-VALend预测模块的权重， 其中，为WHERE-VALstart预测模块的概率分布，为WHERE-VALend预测模块的概率分布；所述构建SELECT+WHERE部分编码模型具体为：SELECT+WHERE编码模型的优化目标包含SELECT部分的子任务SELECT-COL以及SELECT-AGG，同时包含WHERE部分的子任务WHERE-COL、WHERE-NUM、WHERE-OP以及WHERE-VALUE，使用BERT进行编码的到相应的文本表示ESW，并对各个子任务进行分类预测；构建不同任务多视角解耦层具体为：根据获得的针对SELECT部分的文本表示ES、WHERE部分的文本表示EW、以及SELECT部分和WHERE部分的文本表示ESW，在此基础上，针对ES和EW分别使用ESW进行正交投影，得到EW1和ES1：首先，将ES投影到ESW的方向上得到ES*，具体的方法公式化为：ES*＝ProjES，ESW，其中，x及v为相应特征向量；再一次求ES与ES-ES*的投影 这里就代表了消除了SELECT部分特征之后的纯化向量EW1；同理得到ES1；后期整合ES以及ES1得到ES2进行SELECT部分子任务预测，整合EW以及EW1得到EW2进行WHERE部分子任务预测，即ES2＝ES+ES1EW2＝EW+EW1这样就从多个视角获得了SELECT部分以及WHERE部分的语义特征向量；构建不同子任务预测层具体为：将得到的SELECT部分以及WHERE部分的语义特征向量ES2和EW2用于各个子任务的预测；S4.NL2SQL模型训练，用步骤S2得到的训练集对步骤S3构建的NL2SQL模型进行训练，从而构建损失函数，构建优化函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏方天电力技术有限公司;东南大学，其通讯地址为：211100 江苏省南京市江宁区苏源大道58号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。