DuSQL

DuSQL数据集是一个面向跨领域文本到SQL任务的中文数据集，涵盖了200个数据库、813张表以及23,979对问题与SQL语句。该任务的核心重点在于实际应用，覆盖了164个不同的领域。问题的呈现形式包括匹配、计算和推理等常见类型，与现实应用中遇到的场景高度相似。

DuSQL Dataset is a Chinese dataset for cross-domain text-to-SQL tasks, comprising 200 databases, 813 tables, and 23,979 question-SQL pairs. The core focus of this task is on real-world applications, covering 164 distinct domains. Common question types include matching, calculation and reasoning, which are highly similar to the scenarios encountered in practical applications.

搜集汇总

背景与挑战

背景概述

DuSQL是一个大规模中文多表Text-to-SQL数据集，包含200个数据库覆盖164个领域，问题形式多样（如匹配、计算和推理），旨在模拟真实应用场景，要求模型具备领域无关性和计算推理能力。数据集由22521条训练样本、2482条验证样本和3759条测试样本组成，每条样本包括数据库、自然语言问题和对应的SQL查询语句，适用于中文SQL解析任务的研究与开发。