【直播预告】SFFAI131 代码生成专题
Text-to-SQL 任务是在给定相应的数据库模式时，将自然语言问题转换为SQL查询语句，这在学术界和工业界都有重要的应用。过去的方法通常以节点为中心，利用参数矩阵对不同类型的边建模，这些方法忽略了边与边之间的结构信息，且无法区分每个节点的局部和非局部关系。本期论坛我们邀请到了来自上海交通大学的曹瑞升同学，他提出的线图增强模型有效解决了此任务中棘手的异构图编码问题。
讲者介绍
曹瑞升，上海交通大学计算机博士在读，主要研究方向为自然语言理解中的语义解析，目前已在ACL会议和TASLP期刊累计发表4篇文章。分享题目
混合局部和全局关系的线图增强文本转SQL模型分享摘要
该工作旨在解决文本转SQL任务中棘手的异构图编码问题。为此，我们提出了线图增强模型(Line Graph Enhanced Text-to-SQL, LGESQL)来挖掘潜在的关系特征，而且不需要显示地构造元路径。利用线图，信息不仅通过节点之间的连接传播，还能通过有向边之间的拓扑结构传播。同时，节点间的局部和非局部关系在图迭代更新时被区分地整合到一起。在跨域基准数据集Spider上，在不同词向量的设定下，我们都取得了榜单第一名，进一步地验证了该模型的有效性。
论文标题：LGESQL: Line Graph Enhanced Text-to-SQL Model with Mixed Local and Non-Local Relations
分享亮点
1、本文针对异构图编码问题，利用线图显式地对边的特征迭代更新；
2、模型中显式地区分节点之间的局部和非局部关系，并且有效地整合到一起
直播时间
2021年12月12日（周日）20:00—21:00 线上直播
关注微信公众号：人工智能前沿讲习，对话框回复“SFFAI131”，获取入群二维码
现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。
SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。
