问题描述
标题有点模糊,所以让我放在上下文中。目前我的任务是将英文句子翻译成 sql 子句。我使用了带有编码器-解码器网络的经典 seq2seq 模型,非常类似于语言翻译模型(具体来说,框架是 Keras,Python 3 环境)。
为了说明,这里是数据库中的表的演示(这几乎是真实表的样子,只有3列,是一个简单的知识图):
来源 | 边缘 | 目标 |
---|---|---|
约翰 | 访问 | StackOverflow |
...... | ...... | ...... |
理想的模型应该能够理解输入并尽可能灵活地做出预测。例如,模型不仅要理解:
句子:列出所有访问过 Stack Overflow 的人
sql:select source from table where edge='visit' and target='Stack Overflow'
还有:
句子:列出所有访问过 Stack Overflow 的人或询问 Ubuntu
sql:select source from table where edge='visit' and target in ('Stack Overflow','Ask Ubuntu)
我第一关注的是:可以添加无数 or
个条件,这意味着理想情况下模型应该能够对预测中的这种变化做出反应;
其次:target
/source
/edge
的值可能无法枚举(例如,想象一下 target
有 1000 多个可能的值) ,这意味着测试数据中总会有新词显示,而训练数据集中没有。
我想这两个问题都指向了明智地设计训练数据集的问题,以及如何让模型对这些变化做出反应。有什么想法吗?
谢谢!
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)