基于NL2SQL的铁路客运营销数据智能交互

作     者：牛一凡 吕晓艳 李仕旺 张奥 王洪业 NIU Yifan;LU Xiaoyan;LI Shiwang;ZHANG Ao;WANG Hongye

作者机构：中国铁道科学研究院集团有限公司电子计算技术研究所北京100081 

出 版 物：《铁道科学与工程学报》 (Journal of Railway Science and Engineering)

年 卷 期：2024年第21卷第9期

页      面：3529-3539页

核心收录：

学科分类：08[工学] 082303[工学-交通运输规划与管理] 0823[工学-交通运输工程] 

基　　金：中国国家铁路集团有限公司科技研究开发计划课题(K2022X028) 

主　　题：智能交互 铁路客运 营销数据 Chinese-RoBerta-wwm-ext 

摘      要：为解决因对铁路客运营销业务知识匮乏、客运营销数据库结构不熟悉及结构化查询语句使用不熟练等因素导致的铁路客运营销数据查询门槛高及营销数据利用率低的问题,提出一种基于NL2SQL的铁路客运营销数据智能交互模型。首先,基于铁路客运营销数据高频查询需求,建立了包含多张数据表,涉及大量铁路客运营销业务专业数据的实验库,并人工标记得到2000条常用结构化查询语句的实验数据。然后,使用收集到的铁路客运营销业务相关语料数据,利用P-tuning参数微调方法对Chinese-RoBerta-wwm-ext预训练模型进行了微调,实现了非结构化文本数据的数字化表达,从而建立了专精于铁路客运营销业务的动态词嵌入模型;接着,针对SQL语法的结构特点,基于双向长短期记忆网络建立了关键词预测、聚合运算符预测、算术运算符预测、逻辑运算符预测、排序预测、聚合条件预测和列预测等7个预测子模型,进而基于SQL各模块关联关系对7个子模型进行整合构建了SQL预测模型;最后,将该SQL预测模型作为微调后的Chinese-RoBerta-wwm-ext预训练模型的下游任务,构建了基于动态词嵌入和SQL抽象语法树的SQL预测模型,并利用由客运营销标记数据和CSpider数据集组成的混合数据集对该模型进行了训练和测试。经过对比实验和验证,该模型对标记的客运营销SQL数据预测的逻辑形式准确性达到68.4%,执行正确率达到75.9%,能够准确预测出要查询的列名、表名、操作符和条件等,相较于基于GLoVe固定词嵌入的模型(基准模型)和基于池化层参数微调的模型(对比模型)皆有较大的提升。该模型的应用对于进一步降低数据库使用门槛,更好地让数据服务于决策具有重要推动性作用。