Marchanjo/spider-FIT-es

mRAT-SQL是一个多语言翻译到SQL的工具，通过数据库模式剪枝技术来改进自注意力机制，支持英语、葡萄牙语、西班牙语和法语。mRAT-SQL+GAP则是一个专注于葡萄牙语的文本到SQL翻译工具，使用多语言BART模型和翻译后的Spider数据集进行训练和测试。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剪枝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，通过数据库模式剪枝（移除对查询无用的表和列名）来处理长文本序列，使变压器能够处理最多512个输入令牌。此外，我们使用多语言方法，对mT5-large模型进行微调，使用四种语言（英语、葡萄牙语、西班牙语和法语）同时增强的Spider数据集。我们提出的技术使用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）改变了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是非英语语言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，为葡萄牙语测试数据集实现了83%的基线，进行推理。这项调查可以帮助其他研究人员在不同于英语的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和数据是公开的，作为mRAT-SQL+GAP在mRAT-SQL上可用。