| # Infusion RESDSQL: Decoupling Schema Linking and Skeleton Parsing for Text-to-SQL with Syntactic or semantic infusion | |
| ## Overview | |
| Apresentamos a infusão de informação sintática e semântica com a entrada do modelo RESDSQL no treinamento, para que tenha maior inteprertação sobre a intenção vista pela frase de entrada, e gere a saída associada. | |
| ## Evaluation Results | |
| Mensuramos o RESDSQL com a apresentação de conhecimento no benchmark Spider, usando o modelo T5-base de linguagem para o transformer. As métricas foram: Exact-set-Match accuracy (EM) and EXecution accuracy (EX). | |
| **On Spider:** | |
| | Model | Dev EM | Dev EX | | |
| |-------|--------|--------| | |
| | RESDSQL sem informação alguma | 0.5502 | 0.5754 | | |
| | RESDSQLcom informação sintática | 0.5909 | 0.6247 | | |
| | RESDSQL com AMR (semântico) | **0.6392** | **0.6818** | | |
| ## Pré - requisitos | |
| Crie um ambiente virtual anaconda: | |
| ```sh | |
| conda create -n your_env_name python=3.8.5 | |
| ``` | |
| Ative-o e instale as seguintes versões de PyTorch: | |
| ```sh | |
| conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch | |
| ``` | |
| Instale módulos e ferramentas: | |
| ```sh | |
| pip install -r requirements.txt | |
| pip install https://github.com/explosion/spacy-models/releases/download/en_core_web_sm-2.2.0/en_core_web_sm-2.2.0.tar.gz | |
| python nltk_downloader.py | |
| ``` | |
| Faça os seguintes diretórios: | |
| ```sh | |
| mkdir eval_results | |
| mkdir models | |
| mkdir tensorboard_log | |
| mkdir third_party | |
| mkdir predictions | |
| ``` | |
| Clone scripts de avaliação: | |
| ```sh | |
| cd third_party | |
| git clone https://github.com/ElementAI/spider.git | |
| git clone https://github.com/ElementAI/test-suite-sql-eval.git | |
| mv ./test-suite-sql-eval ./test_suite | |
| cd .. | |
| ``` | |
| ## Prepare os dados | |
| Download [data](https://drive.google.com/file/d/19tsgBGAxpagULSl9r85IFKIZb4kyBGGu/view?usp=sharing) **(including Spider, Spider-DK, Spider-Syn, Spider-Realistic, Dr.Spider, and CSpider)**, o AMR and [database](https://drive.google.com/file/d/1s4ItreFlTa8rUdzwVRmUR2Q9AHnxbNjo/view?usp=share_link) and then unzip them: | |
| ```sh | |
| unzip data.zip | |
| unzip database.zip | |
| ``` | |
| ## Inferência | |
| A inferência para uma pergunta e base de dados própria pode ser feita usando o modelo disponível. Para isso, carregue o modelo do Hub, como é feito para o T5, e seu tokenizador. A entrada é simplesmente feita pela pergunta concatenada com o schema da base de dados. | |
| ## Agradecimentos | |
| Agradecemos ao trabalho do RESDSQL(https://github.com/RUCKBReasoning/RESDSQL) pela arquitetura, que usamos para treianmento do nosso modelo. O trabalho foi conduzido no Centro de Inteligência Artificial USP/IBM/FAPESP (C4AI), com suporte da FAPESP e da IBM Corporation (2023). | |