曹瑞升：上海交通大学计算机博士在读，主要研究方向为自然语言理解中的语义解析，目前已在ACL会议和TASLP期刊累计发表4篇文章。
报告题目：混合局部和全局关系的线图增强文本转SQL模型
报告摘要：该工作旨在解决文本转SQL任务中棘手的异构图编码问题。为此，我们提出了线图增强模型(Line Graph Enhanced Text-to-SQL, LGESQL)来挖掘潜在的关系特征，而且不需要显示地构造元路径。利用线图，信息不仅通过节点之间的连接传播，还能通过有向边之间的拓扑结构传播。同时，节点间的局部和非局部关系在图迭代更新时被区分地整合到一起。在跨域基准数据集Spider上，在不同词向量的设定下，我们都取得了榜单第一名，进一步地验证了该模型的有效性。
论文标题：LGESQL: Line Graph Enhanced Text-to-SQL Model with Mixed Local and Non-Local Relations
分享亮点：
1、本文针对异构图编码问题，利用线图显式地对边的特征迭代更新；
2、模型中显式地区分节点之间的局部和非局部关系，并且有效地整合到一起。
推荐经典论文：
1. A Syntactic Neural Model for General-Purpose Code Generation
2017年ACL该论文针对语义解析领域的受限解码问题（结构化输出有严格的语法和语义限制），基于语法来解码，先生成目标程序的语法树，再通过后处理转化。我个人非常喜欢这项工作，它提出了一个完整普适的端到端语法转导框架。
2. Towards Complex Text-to-SQL in Cross-Domain Database with Intermediate Representation
2019年ACL该论文提出IRNet模型，基于语法进行解码，先生成一种中间语义表示SemQL，再通过后处理转化成SQL，是后续很多工作的解码器基准。
3. RAT-SQL: Relation-Aware Schema Encoding and Linking for Text-to-SQL Parsers
2020年ACL该论文首次将关系图注意力网络模型自适应地用于Text-to-SQL领域，在基准数据集上取得了非常显著的提升，是后续很多工作的编码器基准。
推荐最新进展：
4. TaBERT: Pretraining for Joint Understanding of Textual and Tabular Data
2020年ACL该论文着重于文本和表格数据的联合预训练，结合表格的特性，提出纵向注意力计算和横向注意力计算两种模式，以及诸多针对性的自监督任务。
5. Towards Robustness of Text-to-SQL Models against Synonym Substitution
2021年ACL该论文指出目前文本转SQL任务的潜在风险，用户问句和表名/列名的重合度较高，并对基准数据集重新标注，刻意转述或用近义词替换原始问句中包含的表名和列名，性能显著下降，并针对性提出两种解决方案。
6. PICARD: Parsing Incrementally for Constrained Auto-Regressive Decoding from Language Models
2021年EMNLP该论文使用基于符号的端到端模型直接生成SQL序列，仅仅在解码时每一步加以限制约束，就能生成语法和语义合理的输出。
