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@）