gretelai/synthetic_text_to_sql
收藏资源简介：
gretelai/synthetic_text_to_sql数据集是一个高质量的合成Text-to-SQL样本数据集，使用Gretel Navigator生成，并包含105,851条记录，分为100,000条训练记录和5,851条测试记录。数据集覆盖了100个不同的领域，包含了多种SQL任务，如数据定义、检索、操作、分析和报告。此外，数据集还提供了SQL查询的自然语言解释和上下文标签，以优化模型训练。数据集的质量通过LLM-as-a-judge技术进行评估，结果显示其在SQL标准合规性、SQL正确性和指令遵循性方面表现优异。
The gretelai/synthetic_text_to_sql dataset is a high-quality synthetic Text-to-SQL sample dataset generated using Gretel Navigator, which contains 105,851 records split into 100,000 training records and 5,851 test records. It covers 100 distinct domains and encompasses a variety of SQL tasks including data definition, retrieval, manipulation, analysis and reporting. Furthermore, the dataset provides natural language explanations and contextual labels for SQL queries to optimize model training. The quality of the dataset has been evaluated using the LLM-as-a-judge technique, and the results demonstrate its excellent performance in SQL standard compliance, SQL correctness and instruction following.
数据集概述
基本信息
- 名称: gretelai/synthetic_text_to_sql
- 许可证: Apache-2.0
- 语言: 英语
- 标签: 合成, SQL, 文本到SQL, 代码
- 任务类别: 问答, 表格问答, 文本生成
- 大小类别: 100K<n<1M
数据集内容
- 记录数: 105,851，其中训练集100,000条，测试集5,851条
- 总令牌数: 约23M，包括约12M SQL令牌
- 覆盖领域: 100个不同的领域/垂直领域
- SQL任务类型: 数据定义、检索、操作、分析与报告
- SQL复杂度: 包括子查询、单连接、多连接、聚合、窗口函数、集合操作
- 数据库上下文: 包括表和视图创建语句
- 自然语言解释: 对SQL查询的解释
- 上下文标签: 用于优化模型训练
数据集特点
- 多样性: 涵盖广泛的SQL复杂度和任务类型
- 质量: 通过LLM-as-a-judge技术评估，与b-mc2/sql-create-context数据集相比，在SQL标准合规性、正确性和指令遵循性方面得分更高
- 应用: 适用于开发、研究和数据爱好者，用于构建和优化文本到SQL的模型
数据集结构
- 字段数: 11个
- 示例字段: id, domain, domain_description, sql_complexity, sql_complexity_description, sql_task_type, sql_task_type_description, sql_prompt, sql_context, sql, sql_explanation
数据质量评估
- 评估方法: 使用GPT-4对1,000个随机样本进行评分，并与b-mc2/sql-create-context数据集进行比较
- 评估结果: 在多个评估标准上表现优于对比数据集
引用信息
@software{gretel-synthetic-text-to-sql-2024, author = {Meyer, Yev and Emadi, Marjan and Nathawani, Dhruv and Ramaswamy, Lipika and Boyd, Kendrick and Van Segbroeck, Maarten and Grossman, Matthew and Mlocek, Piotr and Newberry, Drew}, title = {{Synthetic-Text-To-SQL}: A synthetic dataset for training language models to generate SQL queries from natural language prompts}, month = {April}, year = {2024}, url = {https://huggingface.co/datasets/gretelai/synthetic-text-to-sql} }
