Marchanjo/spider-en-pt

mRAT-SQL和mRAT-SQL+GAP是两个专注于将自然语言问题翻译成SQL查询的项目。mRAT-SQL通过数据库模式剪枝技术处理长文本序列，并使用mT5-large模型在多语言环境下进行微调，支持英语、葡萄牙语、西班牙语和法语。mRAT-SQL+GAP则专注于葡萄牙语的文本到SQL翻译，使用了多语言BART模型，并通过结合原始和翻译的训练数据集来提高翻译效果。两个项目都提供了源代码、评估和检查点，并且相关论文已在Springer-Nature和Springer Lecture Notes in Computer Science等期刊上发表。

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。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）。我们提出了一种训练过程，通过数据库模式修剪（移除对查询无用的表和列名）来处理长文本序列，最多可达512个输入令牌。此外，我们采用多语言方法，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）上将精确集合匹配准确率结果从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领域。许多技术面向英语语言；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（我们报告了与其他语言模型的测试）修改了RAT-SQL+GAP系统，并生成了Spider数据集的翻译版本。我们的实验揭示了当目标是非英语语言时出现的有趣现象；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。这个多语言BART模型通过双倍大小的训练数据集（英语和葡萄牙语）进行微调，对葡萄牙语测试数据集的推理达到了基准的83%。这一研究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和数据是开放源代码的，可在mRAT-SQL获取。