编辑推荐
语义解析大赛获奖者撰写，满足工业级应用安全、精准需求，弥合大模型的不足。
内容简介
语义解析技术能解决大模型无法保证输出的形式语言可靠性和输出答案真实性的问题。本书由语义解析大赛获奖者撰写，通过本书的学习，你可以了解NLP的相关技术，掌握自然语言生成SQL和知识图谱问答的实现方法。
本书从逻辑上分为三部分。
第一部分（第1章）：从具体的语义解析问题入手，引出了各种主流技术，讨论了不同技术方案的对比和实现路径，并比较了不同数据集和技术路线的实验效果。
第二部分（第2～6章）：详细讲解了5种语义解析技术路线，即基于机器翻译、模板填充、强化学习、GNN、中间表达的技术原理与实现示例。
第三部分（第7～11章）：讲解了如何从零开始构建一个语义解析系统，并针对NL2SQL和知识图谱问答的不同应用场景提供实践方案。同时，阐述了在产品中落地语义解析技术可能遇到的问题和应对技巧。
作者简介
作者易显维，中国地质大学硕士，拥有12年AI算法研发岗相关研发管理经验。在数据挖掘、OCR、文本分析等方面拥有丰富的实践经验，在众多知名企事业单位举办的高水平机器学习算法竞赛中累计获奖20余次。
章节目录
版权信息
FOREWORD 序
PREFACE 前言
第1章 NL2SQL和KBQA中的语义解析技术
1.1 人机交互应用与语义解析难点分析
1.2 主流的语义解析技术
1.3 语义解析的预训练模型和数据集
1.4 本章小结
第2章 基于机器翻译的语义解析技术
2.1 机器翻译原理浅析
2.2 NL2SQL翻译框架的构建
2.3 从序列到集合：SQLNet模型的解决方案
2.4 T5预训练模型在NL2SQL中的应用
2.5 NL2SQL的T5模型实践
2.6 本章小结
第3章 基于模板填充的语义解析技术
3.1 意图识别和槽位填充
3.2 基于X-SQL的模板定义与子任务分解
3.3 本章小结
第4章 基于强化学习的语义解析技术
4.1 Seq2Seq中的强化学习知识
4.2 SCST模型
4.3 MAPO模型
4.4 本章小结
第5章 基于GNN的语义解析技术
5.1 使用GNN对数据库模式进行编码
5.2 关注模式的Global GNN
5.3 关注模式链接的RATSQL
5.4 关注模式链接拓扑结构的LGESQL
5.5 本章小结
第6章 基于中间表达的语义解析技术
6.1 中间表达：IRNet
6.2 引入中间表达层SemQL
6.3 IRNet代码精析
6.4 本章小结
第7章 面向无嵌套简单SQL查询的原型系统构建
7.1 语义匹配解决思路
7.2 任务简介
7.3 任务解析
7.4 代码示例
7.5 本章小结
第8章 面向复杂嵌套SQL查询的原型系统构建
8.1 复杂嵌套SQL查询的难点剖析
8.2 型模型解析
8.3 列模型解析
8.4 值模型解析
8.5 完整系统演示
8.6 本章小结
第9章 面向SPARQL的原型系统构建
9.1 T5、BART、UniLM模型简介
9.2 T5、BART、UniLM方案
9.3 T5、BART、UniLM生成SPARQL语句实现
9.4 T5、BART、UniLM模型结果合并
9.5 路径排序
9.6 SPARQL语句修正和再次排序
9.7 本章小结
第10章 预训练优化
10.1 预训练技术的发展
10.2 定制预训练模型：TaBERT
10.3 TAPAS
10.4 GRAPPA
10.5 本章小结
第11章 语义解析技术落地思考
11.1 研究与落地的差别
11.2 产品视角的考虑
11.3 潜在的落地场景
11.4 实践技巧
11.5 本章小结
语义解析：自然语言生成SQL与知识图谱问答实战是2023年由机械工业出版社出版,作者易显维。
得书感谢您对《语义解析：自然语言生成SQL与知识图谱问答实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
