陈琳，范元凯，何震瀛，刘晓清，杨阳，汤路民

（1.复旦大学计算机科学技术学院，上海 200433；2.星环信息科技（上海）股份有限公司，上海 200233）

0 引言

随着信息技术的高速发展，各类应用产生大量数据，关系数据库被广泛用于数据的存储和管理。用户在与关系数据库交互时，常使用结构化查询语言（SQL）。然而，SQL 的使用受限于用户对SQL 的熟练程度和对关系数据库中数据的了解程度，导致SQL 的使用门槛相对较高。针对这一问题，根据自然语言的翻译到SQL（text-to-SQL）［1］和根据SQL 到自然语言的翻译（SQL-to-text）成为降低SQL 使用门槛、提高数据库易用性的重要尝试，引起了研究人员的关注。其中，SQL-to-text 能够帮助用户理解查询的含义，在需要解释SQL 语义的场景下具有重要意义［2］，并且有助于强化搜索引擎的SQL 程序查找能力，还可以用于搭建数据库的自然语言交互接口［3］。

虽然SQL-to-text 已逐渐成为业界关注的热点问题之一，但就其效果而言，在现阶段还难以达到广泛应用的程度。其主要原因有翻译模型的能力不足、对数据库应用中的数据理解程度不足和对数据库应用中的知识使用不足。其中，翻译模型的能力不足是一个重要原因，鉴于组合泛化能力对翻译模型的重要性，需要对SQL-to-text 模型的组合泛化能力展开研究。

组合泛化一词由语言学家提出，是通过已知的成分理解和产生无限新组合的代数能力［4］，此概念于近年来被引入机器学习领域。对神经网络模型而言，若学习得到的知识以不同的方式组合后仍能理解其含义，则表明该模型具有组合泛化能力。……