ProbGate at EHRSQL 2024: Enhancing SQL Query Generation Accuracy through Probabilistic Threshold Filtering and Error Handling

最近，基于深度学习的语言模型在文本到SQL任务中显著提升，有望应用于医疗领域内的患者记录检索。在这种应用中，一个值得注意的挑战是辨别无法回答的查询。通过微调模型，我们展示了将医疗记录查询转换为SQL查询的可行性。此外，我们引入了一种基于熵的方法来识别和过滤无法回答的结果。我们通过基于对数概率分布的方法过滤低置信度的SQL，进一步提高了结果的质量，而语法和模式错误则通过在实际数据库上执行查询来减轻。我们通过实验证实，我们的方法可以过滤无法回答的问题，即使模型的参数不可访问，也可以广泛应用，并且在实践中可以有效地利用。

本论文旨在解决医疗领域中将病历查询转化为SQL查询的问题，特别是在识别无法回答的查询方面的挑战。

论文提出了一种基于深度学习的语言模型来转化病历查询为SQL查询的方法，并引入了基于熵的方法来识别和过滤无法回答的查询结果。此外，通过基于对数概率分布的过滤，可以提高结果的质量，同时通过在实际数据库上执行查询来减少语法和模式错误。

论文通过实验证明了其方法可以过滤无法回答的查询，即使模型参数不可访问，也可以广泛应用。实验使用了医疗领域的数据集，并提供了开源代码。此外，论文还提出了一些值得深入研究的方向，如如何处理更复杂的查询和如何优化查询执行的效率。

在最近的相关研究中，也有一些关于将自然语言查询转化为SQL查询的工作，如Seq2SQL和SQLNet。