Facebook 提出框架，自然语言生成 SQL 准确率提升10%

Facebook AI 研究院研究人员最近提出了一种新的、统一的交互式语义分析方法，通过设计一个基于模型的智能代理（agent），与现有方法相比，可以在减少用户交互次数的同时提升解析精度。

一、语义分析现状概述
允许用户无需编程即可查询数据和调用服务的自然语言界面已被认为是语义分析的关键应用。然而，现有的语义解析技术在实际应用中往往存在不足，面临着若干挑战：
（1）用户话语可能存在歧义或含糊，难以一次性得到正确的结果；
（2）现有语义分析工具的准确率仍然不够高，无法真正使用；
（3）用户很难验证语义分析结果，特别是缺乏可解释的主流神经网络模型。

二、现有交互式语义分析系统
近年来的研究也成功地证明了交互式语义分析在实际应用中的价值，但往往受限于某种形式的语言或数据集，因此，这些设计是特别（ad-hoc）定制的，不是通用的。例如，DialSQL 仅适用于 WikiSQL 数据集上的 SQL 查询，将其扩展到其他形式语言甚至是更复杂的 SQL 查询都非常困难。

三、Facebook语义分析成果
为了建立交互式语义分析系统的通用原则，Facebook提出了基于模型的交互式语义分析（MISP），其目标是设计一个基于模型的智能代理，该智能代理可以与用户交互以完成语义分析任务。

实验结果证明，在少量有针对性的、参与测试的用户反馈下，交互式语义分析器可以提升 10% 到 15% 的准确率。与现有的交互式语义分析系统 DialSQL 相比，这种方法虽然更简单，但是它是更通用的系统设计，只需要问一半问题就能获得更好的解析精度。