Marchanjo/spider-FIT-fr

mRAT-SQL项目是一个多语言翻译器，用于将自然语言转换为SQL查询，并通过数据库模式剪枝技术处理长文本序列。该项目在四种语言（英语、葡萄牙语、西班牙语和法语）上微调了mT5-large模型，并使用了数据增强的Spider数据集。mRAT-SQL+GAP项目则专注于葡萄牙语的文本到SQL翻译，使用了多语言BART模型，并生成了Spider数据集的翻译版本。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

数据集概述

• 名称: mRAT-SQL-FIT
• 描述: 一个多语言的SQL翻译器，通过数据库模式修剪来改进自注意力机制。
• 作者: Marcelo Archanjo Jose, Fabio Gagliardi Cozman
• 主要内容:
  • 针对长文本序列在转换器中的挑战，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）来处理长达512个输入令牌的文本序列。
  • 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数据集的微调。
  • 在验证数据集（Dev）上，精确集匹配准确率从0.718提高到0.736。
• 相关资源:
  • 源代码、评估和检查点可在mRAT-SQL获取。
  • 论文发表于Springer-Nature - International Journal of Information Technology，链接为这里。

mRAT-SQL+GAP

数据集概述

• 名称: mRAT-SQL+GAP
• 描述: 一个葡萄牙语的文本到SQL转换器。
• 作者: Marcelo Archanjo José, Fabio Gagliardi Cozman
• 主要内容:
  • 针对葡萄牙语的自然语言问题到SQL查询的翻译，使用多语言BART模型进行了适当的调整和资源制作。
  • 制作了Spider数据集的翻译版本，并进行了实验，发现同时使用原始和翻译的训练数据集进行训练效果更好。
  • 使用多语言BART模型，在双倍大小的训练数据集（英语和葡萄牙语）上进行微调，达到了基准的83%，为葡萄牙语测试数据集进行推理。
• 相关资源:
  • 源代码和数据可在mRAT-SQL获取。
  • 论文发表于Springer Lecture Notes in Computer Science，链接为这里。