metadata

license: cc-by-4.0
task_categories:
  - text-generation
  - question-answering
  - table-question-answering
language:
  - pt
tags:
  - sql
  - code
  - nlp
  - text2sql
  - text-to-sql

Overview

Este dataset é uma versão traduzida para o português do dataset b-mc2/sql-create-context, que foi construído a partir dos datasets WikiSQL e Spider. Ele contém exemplos de perguntas em português, instruções SQL CREATE TABLE e consultas SQL que respondem às perguntas utilizando a instrução CREATE TABLE como contexto.

O principal objetivo deste dataset é ajudar modelos de linguagem natural em português a gerar consultas SQL precisas e contextualizadas, prevenindo a alucinação de nomes de colunas e tabelas, um problema comum em datasets de texto para SQL. Ao fornecer apenas a instrução CREATE TABLE como contexto, o dataset visa proporcionar uma melhor fundamentação para os modelos sem a necessidade de fornecer linhas reais de dados, o que limita o uso de tokens e a exposição a dados privados, sensíveis ou proprietários.

Detalhes do Dataset

Total de Exemplos: 78.577
Colunas:
- pergunta: A pergunta em linguagem natural.
- contexto: A instrução SQL CREATE TABLE que fornece o contexto necessário para responder à pergunta.
- resposta: A consulta SQL que responde à pergunta utilizando o contexto fornecido.

Processo de Tradução

As perguntas foram traduzidas para o português utilizando o modelo facebook/nllb-200-distilled-1.3B, garantindo que as consultas em linguagem natural mantenham o mesmo significado e contexto das perguntas originais em inglês.

Objetivo e Aplicações

Este dataset é ideal para o treinamento de modelos de linguagem natural para a geração de consultas SQL, especialmente em cenários onde a precisão na nomeação de colunas e tabelas é crucial. Ele pode ser usado para melhorar a performance de modelos em tarefas de texto-para-SQL, fornecendo um contexto claro e evitando erros comuns de alucinação.

Projetos originais

@misc{b-mc2_2023_sql-create-context,
  title   = {sql-create-context Dataset},
  author  = {b-mc2}, 
  year    = {2023},
  url     = {https://huggingface.co/datasets/b-mc2/sql-create-context},
  note    = {This dataset was created by modifying data from the following sources: \cite{zhongSeq2SQL2017, yu2018spider}.},
}

@article{zhongSeq2SQL2017,
  author  = {Victor Zhong and Caiming Xiong and Richard Socher},
  title   = {Seq2SQL: Generating Structured Queries from Natural Language using Reinforcement Learning},
  journal = {CoRR},
  volume  = {abs/1709.00103},
  year    = {2017}
}

@article{yu2018spider,
  title   = {Spider: A large-scale human-labeled dataset for complex and cross-domain semantic parsing and text-to-sql task},
  author  = {Yu, Tao and Zhang, Rui and Yang, Kai and Yasunaga, Michihiro and Wang, Dongxu and Li, Zifan and Ma, James and Li, Irene and Yao, Qingning and Roman, Shanelle and others},
  journal = {arXiv preprint arXiv:1809.08887},
  year    = {2018}
}