本申請(qǐng)涉及數(shù)據(jù)庫(kù)領(lǐng)域，尤其涉及一種基于大模型的sql語句生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著深度學(xué)習(xí)技術(shù)的發(fā)展，自然語言處理領(lǐng)域在語言理解方面取得了顯著的進(jìn)展；同時(shí)大規(guī)模預(yù)訓(xùn)練語言在各種自然語言處理任務(wù)中表現(xiàn)出了強(qiáng)大的性能，可應(yīng)用于text2sql任務(wù)。text2sql任務(wù)指將自然語言描述的問題或需求轉(zhuǎn)化為結(jié)構(gòu)化查詢語言(sql)語句的過程。

2、此外，良好的數(shù)據(jù)庫(kù)設(shè)計(jì)可以提高數(shù)據(jù)的存儲(chǔ)效率和查詢性能，同時(shí)在進(jìn)行text2sql任務(wù)時(shí)，可以確保生成的sql語句能夠高效地執(zhí)行。目前，將自然語言文本轉(zhuǎn)換為結(jié)構(gòu)查詢語言(sql)的方法有：利用預(yù)訓(xùn)練的語言模型作為基礎(chǔ)模型，通過微調(diào)的方式將其應(yīng)用于text2sql任務(wù)。但由于結(jié)構(gòu)查詢語言比較復(fù)雜，語言模型對(duì)此類語言的理解程度有限，導(dǎo)致微調(diào)得到的模型并不準(zhǔn)確，進(jìn)而生成錯(cuò)誤的sql語句。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)?zhí)峁┮环N基于大模型的sql語句生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，用以解決現(xiàn)有將自然語言文本轉(zhuǎn)化為sql語句的準(zhǔn)確性較低的技術(shù)問題。

2、一方面，本申請(qǐng)?zhí)峁┮环N基于大模型的sql語句生成方法，包括：獲取數(shù)據(jù)庫(kù)中各數(shù)據(jù)表的模式信息，其中數(shù)據(jù)表的模式信息用于描述數(shù)據(jù)表的結(jié)構(gòu)；將各數(shù)據(jù)表的模式信息進(jìn)行轉(zhuǎn)換得到各數(shù)據(jù)表對(duì)應(yīng)的第一向量信息，并根據(jù)第一向量信息構(gòu)建向量知識(shí)庫(kù)；將用戶輸入的自然語言問題進(jìn)行轉(zhuǎn)換得到第二向量信息；計(jì)算各數(shù)據(jù)表對(duì)應(yīng)的第一向量信息和第二向量信息之間的相似度，并對(duì)相似度進(jìn)行降序排序；從排序中確定發(fā)生相似度驟減的第一相似度，刪除排序中的該第一相似度以及該第一相似度之后的相似度；根據(jù)排序中保留的相似度對(duì)應(yīng)的第一向量信息所對(duì)應(yīng)的數(shù)據(jù)表的模式信息，以及用戶輸入的自然語言問題，構(gòu)建提示詞；將提示詞輸入大語言模型，得到大語言模型輸出的sql語句。

3、在一些示例中，根據(jù)排序中保留的相似度對(duì)應(yīng)的第一向量信息所對(duì)應(yīng)的數(shù)據(jù)表的模式信息，以及用戶輸入的自然語言問題，構(gòu)建提示詞，包括：確定提示詞的整體結(jié)構(gòu)，整體結(jié)構(gòu)包括大模型的工作任務(wù)、提示指令、數(shù)據(jù)表的模式信息和回答；定義大模型的工作任務(wù)的開頭，工作任務(wù)為生成sql語句；解析排序中保留的相似度對(duì)應(yīng)的第一向量信息所對(duì)應(yīng)的數(shù)據(jù)表的模式信息，并將解析得到的信息與自然語言問題加入提示詞，并設(shè)置提示指令和回答，得到構(gòu)建好的提示詞。

4、在一些示例中，第一向量信息和/或第二向量信息為低維稠密向量。

5、在一些示例中，檢查數(shù)據(jù)表的模式信息中，數(shù)據(jù)表的主體信息、重要字段及其字段含義的描述是否清楚；若不清楚，則對(duì)模式信息進(jìn)行優(yōu)化，優(yōu)化包括增加數(shù)據(jù)庫(kù)模式信息。

6、在一些示例中，將sql語句輸入至sql執(zhí)行器，獲得執(zhí)行結(jié)果。

7、另一方面，本申請(qǐng)?zhí)峁┮环N基于大模型的sql語句生成裝置，包括：獲取模塊，用于獲取數(shù)據(jù)庫(kù)中各數(shù)據(jù)表的模式信息，其中數(shù)據(jù)表的模式信息用于描述數(shù)據(jù)表的結(jié)構(gòu)；轉(zhuǎn)換模塊，用于將各數(shù)據(jù)表的模式信息進(jìn)行轉(zhuǎn)換得到各數(shù)據(jù)表對(duì)應(yīng)的第一向量信息，并根據(jù)第一向量信息構(gòu)建向量知識(shí)庫(kù)；將用戶輸入的自然語言問題進(jìn)行轉(zhuǎn)換得到第二向量信息；處理模塊，用于計(jì)算各數(shù)據(jù)表對(duì)應(yīng)的第一向量信息和第二向量信息之間的相似度，并對(duì)相似度進(jìn)行降序排序；從排序中確定發(fā)生相似度驟減的第一相似度，刪除排序中的該第一相似度以及該第一相似度之后的相似度；執(zhí)行模塊，用于根據(jù)排序中保留的相似度對(duì)應(yīng)的第一向量信息所對(duì)應(yīng)的數(shù)據(jù)表的模式信息，以及用戶輸入的自然語言問題，構(gòu)建提示詞；將提示詞輸入大語言模型，得到大語言模型輸出的sql語句。

8、在一些示例中，執(zhí)行模塊在根據(jù)排序中保留的相似度對(duì)應(yīng)的第一向量信息所對(duì)應(yīng)的數(shù)據(jù)表的模式信息，以及用戶輸入的自然語言問題，構(gòu)建提示詞時(shí)，具體用于：確定提示詞的整體結(jié)構(gòu)，整體結(jié)構(gòu)包括大模型的工作任務(wù)、提示指令、數(shù)據(jù)表的模式信息和回答；定義大模型的工作任務(wù)的開頭，工作任務(wù)為生成sql語句；解析排序中保留的相似度對(duì)應(yīng)的第一向量信息所對(duì)應(yīng)的數(shù)據(jù)表的模式信息，并將解析得到的信息與自然語言問題加入提示詞，并設(shè)置提示指令和回答，得到構(gòu)建好的提示詞。

9、在一些示例中，獲取模塊還用于：檢查數(shù)據(jù)表的模式信息中，數(shù)據(jù)表的主體信息、重要字段及其字段含義的描述是否清楚；若不清楚，則對(duì)模式信息進(jìn)行優(yōu)化，優(yōu)化包括增加數(shù)據(jù)庫(kù)模式信息。

10、又一方面，本申請(qǐng)?zhí)峁┮环N電子設(shè)備，包括：處理器，以及與處理器通信連接的存儲(chǔ)器；存儲(chǔ)器存儲(chǔ)計(jì)算機(jī)執(zhí)行指令；處理器執(zhí)行存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)執(zhí)行指令，以實(shí)現(xiàn)如前的方法。

11、又一方面，本申請(qǐng)?zhí)峁┮环N計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)執(zhí)行指令，計(jì)算機(jī)執(zhí)行指令被處理器執(zhí)行時(shí)用于實(shí)現(xiàn)如前的方法。

12、本申請(qǐng)?zhí)峁┑幕诖竽Ｐ偷膕ql語句生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，首先獲取數(shù)據(jù)庫(kù)中各數(shù)據(jù)表的模式信息，然后將各數(shù)據(jù)表的模式信息進(jìn)行轉(zhuǎn)換得到各數(shù)據(jù)表對(duì)應(yīng)得第一向量信息，再根據(jù)該第一向量信息構(gòu)建向量知識(shí)庫(kù)；將用戶自然語言問題進(jìn)行轉(zhuǎn)換得到第二向量信息；計(jì)算第一向量信息和第二向量信息之間的相似度，并對(duì)相似度進(jìn)行降序排列，確定其中驟減的第一相似度，刪除該第一相似度以及之后的相似度；再根據(jù)保留的相似度對(duì)應(yīng)的第一向量信息所對(duì)應(yīng)的數(shù)據(jù)表模式信息，以及用戶輸入的自然語言問題，構(gòu)建提示詞，并將提示詞輸入大語言模型中，得到大語言模型輸出的sql語句。本方案中通過基于相似度排序選取的向量信息所對(duì)應(yīng)的模式信息構(gòu)建提示詞，可以利用提示詞優(yōu)化用戶輸入的自然語言問題，面向text2sql大模型生成sql語句，從而提高語句生成的準(zhǔn)確性，適用于復(fù)雜的查詢需求，且無需依賴繁瑣的人工工作，能夠應(yīng)用于各種業(yè)務(wù)需求。

技術(shù)特征：

1.一種基于大模型的sql語句生成方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述排序中保留的相似度對(duì)應(yīng)的第一向量信息所對(duì)應(yīng)的數(shù)據(jù)表的模式信息，以及所述用戶輸入的自然語言問題，構(gòu)建提示詞，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，包括：所述第一向量信息和/或所述第二向量信息為低維稠密向量。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的方法，其特征在于，包括：

6.一種基于大模型的sql語句生成裝置，其特征在于，包括：

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述執(zhí)行模塊在根據(jù)所述排序中保留的相似度對(duì)應(yīng)的第一向量信息所對(duì)應(yīng)的數(shù)據(jù)表的模式信息，以及所述用戶輸入的自然語言問題，構(gòu)建提示詞時(shí)，具體用于：

8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述獲取模塊還用于：

9.一種電子設(shè)備，其特征在于，包括：處理器，以及與所述處理器通信連接的存儲(chǔ)器；

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)執(zhí)行指令，所述計(jì)算機(jī)執(zhí)行指令被處理器執(zhí)行時(shí)用于實(shí)現(xiàn)如權(quán)利要求1至5任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本申請(qǐng)?zhí)峁┮环N基于大模型的SQL語句生成方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。該方法包括：獲取數(shù)據(jù)庫(kù)中各數(shù)據(jù)表的模式信息，然后將各數(shù)據(jù)表的模式信息進(jìn)行轉(zhuǎn)換得到各數(shù)據(jù)表對(duì)應(yīng)得第一向量信息，再根據(jù)該第一向量信息構(gòu)建向量知識(shí)庫(kù)；將用戶自然語言問題進(jìn)行轉(zhuǎn)換得到第二向量信息；計(jì)算第一向量信息和第二向量信息之間的相似度，并對(duì)相似度進(jìn)行降序排列，確定其中驟減的第一相似度，刪除該第一相似度以及之后的相似度；再根據(jù)保留的相似度對(duì)應(yīng)的第一向量信息所對(duì)應(yīng)的數(shù)據(jù)表模式信息，以及用戶輸入的自然語言問題，構(gòu)建提示詞，并將提示詞輸入大語言模型中，得到大語言模型輸出的SQL語句。

技術(shù)研發(fā)人員：黃貝貝
受保護(hù)的技術(shù)使用者：中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10