這個紀錄的意義非常深遠，也就是說，未來人們想要查詢資料，說句話就行了。

非常期待後續的商業化，估計這個走下去會革了資料分析師的命，哈哈開玩笑了~~

以下為原文摘錄，有相關方案和演算法的內容說明，可以參考

NL2SQL最佳方法揭秘

NL2SQL，也就是把自然語言“翻譯”成機器能理解的SQL語句，在人機互動中有巨大的價值，這樣的成績意味著，92.19%的情況下，你說的話都能被機器準確的理解，並給到你想要的答案。

那麼，既然機器能理解人話，那從紛繁複雜的資料庫中找到資料也是更為容易的事情了。

肖仰華教授說，現在阻礙大資料價值變現的最大難題就是訪問資料門檻太高，依賴資料庫管理員寫複雜的SQL，而且考慮到中文的表述更加多樣，中文NL2SQL要比英文難很多。

針對中文NL2SQL的問題，冠軍團隊的張嘯宇在比賽答辯中揭秘了實現的方法：

v2_1571027832747_img_000.jpg

WikiSQL排行榜上的第一名、來自微軟Dynamics 365團隊的X-SQL有一些問題，模型框架不完全適配，在value抽取上colume特徵不顯著，容易抽取混亂。

針對這些問題，冠軍團隊提出了M-SQL，將原本X-SQL的6個子任務改為8個子任務，並且增加三個子模型，S-num、Value抽取、Value匹配，一次性將query中含有的所有Value抽取出來。

之後進行了一些細節提升，比如在資料預處理方面，將資料、年份、單位、日期、同義詞進行修正，統一query的正規化；在query資訊表達方面，用XLS標記提到CLS標記，這樣線上下驗證集上準確率提高了0.3個百分點。

用到的預訓練模型，則是哈工大發布的BERT-wwm-ext模型。

最終的成果，張嘯宇覺得非常滿意：“我覺得機器轉的比我好，大言不慚的說，已經超過了人類的水平。”