标签：59.4% 本文 GENERATING NATURAL LANGUAGE 剪枝 semantic accuracy

Abstract

1. 介绍Relational DB
   本文Seq2SQL
   方法: policy-based reinforcement learning
   Task:...
2. 使用in-the-loop query执行来获取rewards
3. 利用SQL的结构来剪枝空间
   本文: 数据集: WikiSQL
   规模80654个人工标注的问题，24241个表
   实验:
4. 比最好的semantic parser更好
5. improving execution accuracy from 35.9% to 59.4%
6. logical form accuracy from 23.4% to 48.3%.

标签：59.4%,本文,GENERATING,NATURAL,LANGUAGE,剪枝,semantic,accuracy
来源： https://www.cnblogs.com/xuesu/p/15627254.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。