⚠️ 由于可能存在的版权问题，请自行联系竞赛平台或主办方索要竞赛数据，谢谢!
本项目所采用的方案在复赛中的线上排名为第5，决赛最终成绩排名第3。
主分支下的代码以 jupyter notebook 的形式呈现，以学习交流为目的，对原始的代码经过一定的整理，并不会完全复现线上的结果，但效果不会差太多。
code 目录下的 model1.ipynb 与 model2.ipynb为建模流程，nl2sql/utils 目录则包含了该任务所需的一些基础函数和数据结构。
- 感谢追一科技的孙宁远对本次比赛做了细致的赛前辅导
- 感谢追一科技研究员、科学空间博主苏剑林，分享了大量关于NLP方面的优质博文。本方案受到了基于Bert的NL2SQL模型：一个简明的Baseline这篇文章的启发。项目中使用的 RAdam 优化器的实现直接来自于苏剑林开源的 keras_radam 项目
- 感谢 CyberZHG 大神的开源项目 keras-bert，本次比赛中我们使用了 keras-bert 构建我们的模型。
- 感谢哈工大讯飞联合实验室的 Chinese-BERT-wwm 项目，本次比赛中我们使用了他们
BERT-wwm, Chinese预训练模型参数
首届中文NL2SQL挑战赛，使用金融以及通用领域的表格数据作为数据源，提供在此基础上标注的自然语言与SQL语句的匹配对，希望选手可以利用数据训练出可以准确转换自然语言到SQL的模型。
模型的输入为一个 Question + Table，输出一个 SQL 结构，该 SQL 结构对应一条 SQL 语句。
其中
sel为一个 list，代表SELECT语句所选取的列agg为一个 list，与sel一一对应，表示对该列做哪个聚合操作，比如 sum, max, min 等conds为一个 list，代表WHERE语句中的的一系列条件，每个条件是一个由 (条件列，条件运算符，条件值) 构成的三元组cond_conn_op为一个 int，代表conds中各条件之间的并列关系，可以是 and 或者 or
我们将原始的 Label 做一个简单的变换
- 将
agg与sel合并，agg中对表格中每一列都做预测，新的类别NO_OP表明该列不被选中 - 将
conds分为conds_ops与conds_vals两个部分，这么做的原因是想分两步进行预测。由一个模型先预测conds需要选取哪些列以及操作符，再由另一个模型预测所选取的列的比较值
Model 1 将 Question 与 Header 顺序连接，在每个 Column 之前添加一个特殊标记，TEXT 或 REAL，这两个特殊的 Token 可以从 BERT 预留的未训练过的 Token 中任选两个来代替。
Model 1 的架构如下:
Model 2 则负责 cond_val 的预测。我们的思路是根据 Model 1 选择的 cond_col，枚举 cond_op 与 cond_val，生成一系列的候选组合，将这些组合当成多个二分类问题来做
Model 2 的架构如下:
最后将 Model 2 对一些列候选组合的预测合并起来
关于模型训练中的优化，以及一些成功、不成功的 idea，详细可以见我们决赛答辩ppt。