Marchanjo/spider_FIT

mRAT-SQL-FIT是一个多语言的SQL翻译器，通过数据库模式剪枝技术处理长文本序列，使用mT5-large模型在英语、葡萄牙语、西班牙语和法语上进行了微调。mRAT-SQL+GAP则是一个专注于葡萄牙语的文本到SQL翻译器，使用了多语言BART模型，并在Spider数据集上进行了训练和测试。两个项目都提供了源代码、评估和检查点。

原始信息汇总

mRAT-SQL-FIT

多语言SQL转换器与数据库模式修剪以改进自注意力机制

Marcelo Archanjo Jose, Fabio Gagliardi Cozman

在变压器背景下，长文本序列具有挑战性，因为自注意力机制会导致内存二次增加。由于这一问题直接影响自然语言到SQL查询的转换（通常将问题和数据库模式连接作为输入），我们提出了一种技术，允许变压器处理长达512个输入令牌的长文本序列。我们提出了一种带有数据库模式修剪（移除对查询无用的表和列名）的训练过程。此外，我们使用了一个多语言方法，使用mT5-large模型在四种语言（英语、葡萄牙语、西班牙语和法语）上同时进行了数据增强的Spider数据集微调。我们提出的技术使用了Spider数据集，并在验证数据集（Dev）上将精确集匹配准确率结果从0.718提高到0.736。源代码、评估和检查点可在mRAT-SQL获取。

mRAT-SQL+GAP

葡萄牙语文本到SQL转换器

Marcelo Archanjo José, Fabio Gagliardi Cozman

自然语言问题到SQL查询的转换引起了越来越多的关注，特别是在与变压器和类似语言模型相关的方面。大量技术针对英语语言；在这项工作中，我们研究了当输入问题以葡萄牙语给出时的SQL转换。为此，我们适当地调整了最先进的工具和资源。我们通过依赖多语言BART模型（我们报告了其他语言模型的测试）修改了RAT-SQL+GAP系统，并制作了Spider数据集的翻译版本。我们的实验揭示了当目标语言为非英语时出现的感兴趣现象；特别是，最好与原始和翻译的训练数据集一起训练，即使只希望针对单一目标语言。这个使用双倍大小训练数据集（英语和葡萄牙语）微调的多语言BART模型在葡萄牙语测试数据集上达到了基准的83%，进行推理。这一调查可以帮助其他研究人员在非英语语言中产生机器学习结果。我们的多语言就绪版本的RAT-SQL+GAP和数据是开源的，可在mRAT-SQL获取。