2000字范文,分享全网优秀范文,学习好帮手!
2000字范文 > Talk预告 | 上海交通大学亓杰星:将关系结构引入到Text-to-SQL任务的预训练模型中

Talk预告 | 上海交通大学亓杰星:将关系结构引入到Text-to-SQL任务的预训练模型中

时间:2020-07-15 07:21:17

相关推荐

Talk预告 | 上海交通大学亓杰星:将关系结构引入到Text-to-SQL任务的预训练模型中

本期为TechBeat人工智能社区445线上Talk!

北京时间10月12(周三)20:00上海交通大学 信息与通信工程专业在读博士生——亓杰星的Talk将准时在TechBeat人工智能社区开播!

他与大家分享的主题是: “将关系结构引入到Text-to-SQL任务的预训练模型中”,届时将为大家讲解有关Text-to-SQL数据集介绍、两类主流方法介绍、RASAT模型介绍、模型框架、关系类型、关系传播、实验结果和消融实验。

Talk·信息

主题:将关系结构引入到Text-to-SQL任务的预训练模型中

嘉宾:上海交通大学信息与通信工程专业在读博士生

亓杰星

时间:北京时间10月12日(周三) 20:00

地点:TechBeat人工智能社区

/

点击下方链接,即可观看视频

TechBeatTechBeat是荟聚全球华人AI精英的成长社区,每周上新来自顶尖大厂、明星创业公司、国际顶级高校相关专业在读博士的最新研究工作。我们希望为AI人才打造更专业的服务和体验,加速并陪伴其成长。/talk-info?id=719

Talk·介绍

Text-to-SQL任务用于帮助非专业用户更加方便的访问关系型数据库,该领域目前的主流解决方案有两类:一类是借助图神经网络编码各种复杂的输入结构信息,使用基于AST树的解码器进行解码输出;另一类模型则使用大规模预训练语言模型来进行Seq2Seq方式的建模。这两类方法各有优缺点。本工作借助Relation-aware Self-attention模块来将两类方法进行融合,在目前主流的Text-to-SQL数据集Spider、SParC和CoSQL上取得了最先进的性能,该工作已被EMNLP 接收。

- 背景

- Text-to-SQL数据集介绍

- 两类主流方法介绍

- RASAT模型介绍

- 模型框架

- 关系类型

- 关系传播

- 实验结果

- 消融实验

- 致谢

Talk·预习资料

- 论文:

/abs/2205.06983

- 代码:

/LUMIA-Group/rasat

Talk·提问交流

通过以下两种方式提问都将获得微信现金红包奖励哦!

方式 ①

在Talk界面下的【交流区】参与互动!留下你的打call🤟和问题🙋,和更多小伙伴们共同讨论,被讲者直接翻牌解答!

你的每一次贡献,我们都会给予你相应的i豆积分,还会有惊喜奖励哦!

方式 ②

在本文留言区直接提出你的问题!

Talk·嘉宾介绍

亓杰星

上海交通大学信息与通信工程专业在读博士生

本科毕业于西安电子科技大学,保送至上海交通大学直接攻读博士研究生。担任COLING、EMNLP等顶级自然语言处理会议审稿人,主要研究方向为Text-to-SQL,本篇工作主要在林洲汉老师(hantek.github.io)指导下完成。

个人主页:

/JiexingQi

-The End-

关于TechBeat人工智能社区

TechBeat()隶属于将门创投,是一个荟聚全球华人AI精英的成长社区。

我们希望为AI人才打造更专业的服务和体验,加速并陪伴其学习成长。

期待这里可以成为你学习AI前沿知识的高地,分享自己最新工作的沃土,在AI进阶之路上的升级打怪的根据地!

更多详细介绍>>TechBeat,一个荟聚全球华人AI精英的学习成长社区

本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
网友评论
网友评论仅供其表达个人看法,并不表明网站立场。