Abacus-SQL: A Text-to-SQL System Empowering Cross-Domain and Open-Domain Database Retrieval

现有的文本到SQL系统在SQL查询生成方面取得了显著进展，但仍面临诸多挑战。现有的系统通常缺乏对开放领域数据库的检索能力，需要用户手动筛选相关数据库。此外，其跨领域的迁移能力有限，难以满足多样化的查询需求。为了解决这些问题，我们提出了Abacus-SQL。Abacus-SQL利用数据库检索技术，在开放领域数据库环境中准确定位所需的数据库。它还通过数据增强方法提高了系统的跨领域迁移能力。此外，Abacus-SQL采用Pre-SQL和Self-debug方法，从而提升了SQL查询的准确性。实验结果表明，Abacus-SQL在多轮文本到SQL任务中表现出色，有效验证了该方法的有效性。Abacus-SQL已公开发布，可访问网址为https://huozi.8wss.com/abacus-sql/。

现有文本到SQL系统在生成SQL查询方面取得了显著进展，但在开放域数据库检索和跨领域迁移能力方面仍存在不足。用户需要手动筛选相关数据库，并且系统难以满足多样化的查询需求。这是一个已知问题，但尚未有全面的解决方案。

Abacus-SQL通过引入数据库检索技术解决了开放域环境中的数据库定位问题，并利用数据增强方法提升了系统的跨领域迁移能力。此外，它采用了Pre-SQL和Self-debug方法以提高SQL查询的准确性，从而在多轮对话任务中表现出色。这种方法在数据库检索和跨领域适应性上具有创新性。

论文设计了实验验证Abacus-SQL在多轮文本到SQL任务中的性能，并证明了其有效性。系统已在https://huozi.8wss.com/abacus-sql/开源，为后续研究提供了基础。未来值得深入研究的方向包括更复杂的SQL查询生成、更大规模的开放域数据库支持以及与自然语言处理其他领域的结合。

相关研究包括Text-to-SQL领域的经典工作如Seq2SQL和Spider，这些工作主要集中在单轮查询生成和特定领域内的应用。此外，还有研究探索了通过预训练模型（如T5、BART）改进SQL生成的任务。最近的研究如RAT-SQL和GRAM进一步探讨了关系图和语法约束对SQL生成的影响。