语言查询模型构建方法、查询语言获取方法及相关装置与流程

本申请涉及人工智能领域及金融领域，具体涉及一种语言查询模型构建方法、查询语言获取方法及相关装置。

背景技术：

1、在现代软件开发中，数据库已经成为了必不可少的一部分。而对于数据库的管理，sql语言(structured query language，结构化查询语言)是最为常用的一种方式。然而，sql语句的编写需要使用人员具备一定的专业知识和经验。一方面，人工开发容易出现不易发现的手误、语法错误和逻辑错误；另一方面，一些业务人员查看机密业务数据报文的场景需要开发人员的协助，在开发人员不允许接触数据的情况下，sql语句的处理和沟通有一定困难，对于初学者的业务人员来说开发sql也有一定的门槛，难度较大。

2、因此，如何提供一种语言查询模型，从而辅助开发人员不查看数据详情得到sql语句，以此提高业务人员的查询和验收效率，是本领域技术人员急需解决的技术问题。

技术实现思路

1、基于上述问题，本申请提供了语言查询模型构建方法、查询语言获取方法及相关装置，从而辅助开发人员不查看数据详情得到sql语句，以此提高业务人员的查询和验收效率。

2、本申请实施例公开了如下技术方案：

3、一种语言查询模型构建方法，所述方法包括：

4、获取历史结构化查询语言；

5、对所述历史结构化查询语言进行预处理得到第一预处理数据；

6、将所述第一预处理数据输入到卷积神经网络中进行模型训练得到语言查询模型。

7、在一些可能的实现方式中，所述对所述历史结构化查询语言进行预处理得到第一预处理数据，包括：

8、去除所述历史结构化查询语言中的数据值和列名信息得到第一数据模版；

9、对所述第一数据模版进行聚类得到多个中间模板，并去除中间模板中的目标模板得到多个第二数据模版；

10、根据模版出现频率从第二数据模版中挑选预设数量个所述第二数据模版作为第三数据模版；

11、当所述第三数据模版与所述第三数据模版的中文描述一致时，将所述中文描述作为语言描述模版；

12、获取与所述第三数据模版和所述语言描述模版类型相同的第二数据值和第二列名信息填入到所述第三数据模版和所述语言描述模版中得到模版集合；

13、将所述模版集合划分为训练集和测试集，并将所述训练集作为所述第一预处理数据。

14、在一些可能的实现方式中，所述方法还包括：

15、获取所述测试集对应的真实语句的目标答复，并获取所述目标答复对应的目标字符，其中，所述真实语句为用户输入的语句；

16、将所述测试集输入到所述语言查询模型中得到输出结构化查询语言；

17、当所述输出结构化查询语言的输出答复与所述目标答复不一致和/或所述输出结构化查询语言的输出字符与所述目标字符不一致时，根据所述目标答复和/或所述目标字符对所述语言查询模型进行修正。

18、一种查询语言获取方法，所述方法包括：

19、获取待处理需求；

20、对所述待处理需求进行预处理得到第二预处理数据；

21、当数据库中不存在所述待处理需求的查询记录时，将所述第二预处理数据输入到语言查询模型中得到目标结构化查询语言，并将所述目标结构化查询语言输出给客户端，其中，所述语言查询模型是根据如上所述的语言查询模型构建方法构建得到的；

22、当数据库中存在所述待处理需求的查询记录时，将所述查询记录对应所述的目标结构化查询语言输出给客户端。

23、在一些可能的实现方式中，所述对所述待处理需求进行预处理得到第二预处理数据，包括：

24、去除所述待处理需求中特殊字符和标点符号得到清洁文本；

25、对所述清洁文本进行分词处理得到分词文本；

26、对所述分词文本进行语义解析得到所述第二预处理数据。

27、一种语言查询模型的构建装置，所述装置包括：

28、第一获取单元，用于获取历史结构化查询语言；

29、第一预处理单元，用于对所述历史结构化查询语言进行预处理得到第一预处理数据；

30、模型训练单元，用于将所述第一预处理数据输入到卷积神经网络中进行模型训练得到语言查询模型。

31、一种查询语言获取装置，所述装置包括：

32、第三获取单元，用于获取待处理需求；

33、第二预处理单元，用于对所述待处理需求进行预处理得到第二预处理数据；

34、输入输出单元，用于当数据库中不存在所述待处理需求的查询记录时，将所述第二预处理数据输入到语言查询模型中得到目标结构化查询语言，并将所述目标结构化查询语言输出给客户端，其中，所述语言查询模型是根据如上所述的语言查询模型构建方法构建得到的；

35、输出单元，用于当数据库中存在所述待处理需求的查询记录时，将所述查询记录对应所述的目标结构化查询语言输出给客户端。

36、一种查询语言获取模型的构建设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的语言查询模型构建方法。

37、一种查询语言获取设备，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的查询语言获取方法。

38、一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如上所述的语言查询模型构建方法，或者执行如上所述的查询语言获取方法。

39、相较于现有技术，本申请具有以下有益效果：

40、本申请提供了一种语言查询模型构建方法、查询语言获取方法及相关装置。具体地，在执行本申请实施例提供的语言查询模型构建方法时，首先可以获取历史结构化查询语言。接着，对历史结构化查询语言进行预处理得到第一预处理数据。然后将第一预处理数据输入到卷积神经网络中进行模型训练得到语言查询模型。本申请基于卷积神经网络利用处理好的历史结构化查询语言进行模型训练生成可以自动化生成sql语句的语言查询模型。本申请的语言查询模型可以使得开发人员在不查看数据详情得到sql语句，从而提高业务人员查询和验收效率。同时，避免了手动编写sql语句的繁琐和错误，提高了开发效率和代码质量。

技术特征：

1.一种语言查询模型构建方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述历史结构化查询语言进行预处理得到第一预处理数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

4.一种查询语言获取方法，其特征在于，所述方法包括：

5.根据权利要求4所述的方法，其特征在于，所述对所述待处理需求进行预处理得到第二预处理数据，包括：

6.一种语言查询模型的构建装置，其特征在于，所述装置包括：

7.一种查询语言获取装置，其特征在于，所述装置包括：

8.一种查询语言获取模型的构建设备，其特征在于，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-3任一项所述的语言查询模型构建方法。

9.一种查询语言获取设备，其特征在于，包括：存储器，处理器，及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求4或5所述的查询语言获取方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行如权利要求1-3任一项所述的语言查询模型构建方法，或者执行如权利要求4或5所述的查询语言获取方法。

技术总结
本申请实施例公开了一种语言查询模型构建方法、查询语言获取方法及相关装置，应用于人工智能领域或金融领域。首先获取历史结构化查询语言，并对历史结构化查询语言进行预处理得到第一预处理数据。接着将第一预处理数据输入到卷积神经网络中进行模型训练得到语言查询模型。本申请基于卷积神经网络利用处理好的历史结构化查询语言进行模型训练生成可以自动化生成结构化查询语言SQL语句的语言查询模型。本申请的语言查询模型可以使得开发人员在不查看数据详情得到SQL语句，从而提高业务人员查询和验收效率。同时，避免了手动编写SQL语句的繁琐和错误，提高了开发效率和代码质量。

技术研发人员：洪烨嵘
受保护的技术使用者：中国银行股份有限公司
技术研发日：
技术公布日：2024/1/15