emdemor/sql-create-context-pt

该数据集是`b-mc2/sql-create-context`数据集的葡萄牙语版本，基于WikiSQL和Spider数据集构建。它包含葡萄牙语的自然语言问题、SQL CREATE TABLE指令以及使用CREATE TABLE指令作为上下文生成的SQL查询。数据集的主要目标是帮助葡萄牙语的自然语言处理模型生成准确且上下文化的SQL查询，避免常见的列名和表名幻觉问题。数据集通过仅提供CREATE TABLE指令作为上下文，限制了令牌的使用和敏感数据的暴露。数据集包含78,577个示例，分为`pergunta`（问题）、`contexto`（上下文）和`resposta`（回答）三列。问题是通过`facebook/nllb-200-distilled-1.3B`模型翻译成葡萄牙语的，确保与原始英文问题的语义和上下文一致。

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-4.0
• 任务类别:
  • 文本生成
  • 问答
  • 表格问答
• 语言: 葡萄牙语
• 标签:
  • SQL
  • 代码
  • NLP
  • 文本到SQL
  • 文本转SQL

数据集描述

• 来源: 该数据集是b-mc2/sql-create-context数据集的葡萄牙语翻译版本，基于WikiSQL和Spider数据集构建。
• 内容: 包含葡萄牙语的问题示例、SQL CREATE TABLE指令以及使用CREATE TABLE指令作为上下文的SQL查询。
• 目标: 帮助葡萄牙语的自然语言处理模型生成准确且上下文相关的SQL查询，避免列名和表名的幻觉问题。

数据集详情

• 总示例数: 78,577
• 列:
  • pergunta: 自然语言问题。
  • contexto: 提供回答问题所需上下文的SQL CREATE TABLE指令。
  • resposta: 使用提供的上下文回答问题的SQL查询。

翻译过程

• 翻译模型: 使用facebook/nllb-200-distilled-1.3B模型将问题翻译为葡萄牙语，确保自然语言查询保持原始英语问题的意义和上下文。

目标与应用

• 应用: 适用于训练自然语言处理模型生成SQL查询，特别是在列名和表名准确性至关重要的场景中。
• 优势: 提供清晰的上下文，避免常见的幻觉错误，提升文本到SQL任务的性能。