基于偏好学习的NL2SQL生成方法、装置、终端及存储介质制造方法及图纸

本申请公开了一种基于偏好学习的NL2SQL生成方法、装置、终端及存储介质，方法包括：获取SFT数据；基于SFT数据和多个大型语言模型，构造偏好数据集，其中，多个大型语言模型中的各个大型语言模型的类型不同，再建立SFT模型；基于偏好数据集、SFT模型和直接偏好优化算法，确定目标模型，以基于目标模型生成NL2SQL语句。本发明专利技术构造的偏好数据集无需人工标注，降低了人工成本，还可以达到与人类反馈相似的性能，此外，本发明专利技术还利用直接偏好优化算法对SFT模型进行优化，提升了目标模型的性能，从而提高了生成的NL2SQL的准确度。

【技术实现步骤摘要】

本申请涉及nl2sql生成，具体而言，涉及一种基于偏好学习的nl2sql生成方法、装置、终端及存储介质。

技术介绍

1、nl2sql是指在给定数据库和自然语言的条件下，将自然语言解析成sql语句，并执行sql语句返回查询结果的技术。随着大模型技术的不断发展，nl2sql得到了越来越多的关注，因此，如何生成nl2sql成为亟待解决的问题。

2、目前，主要采用图神经网络或大语言模型生成nl2sql，其普遍依赖于在私有数据集上对开源模型进行有监督微调，从而依赖微调后的模型生成nl2sql。

3、但是，上述方法采用的监督学习所得到的大模型的性能较低，导致所生成的nl2sql准确度低。

技术实现思路

1、本申请的主要目的在于提供一种基于偏好学习的nl2sql生成方法、装置、终端及存储介质，以解决相关技术中生成的nl2sql准确度低的问题。

2、为了实现上述目的，第一方面，本申请提供了一种基于偏好学习的nl2sql生成方法，包括：

3、获取sft数据；</p>

4、基于本文档来自技高网...

【技术保护点】

1.一种基于偏好学习的NL2SQL生成方法，其特征在于，包括：

2.如权利要求1所述基于偏好学习的NL2SQL生成方法，其特征在于，所述基于所述SFT数据和多个大型语言模型，构造偏好数据集，包括：

3.如权利要求2所述基于偏好学习的NL2SQL生成方法，其特征在于，所述从所述多个SQL语句中选取符合预设条件的SQL语句作为目标SQL语句，并由所述目标SQL语句构造所述偏好数据集，包括：

4.如权利要求1所述基于偏好学习的NL2SQL生成方法，其特征在于，所述建立SFT模型，包括：

5.如权利要求1所述基于偏好学习的NL2SQL生成方法，其特...

【技术特征摘要】

1.一种基于偏好学习的nl2sql生成方法，其特征在于，包括：

2.如权利要求1所述基于偏好学习的nl2sql生成方法，其特征在于，所述基于所述sft数据和多个大型语言模型，构造偏好数据集，包括：

3.如权利要求2所述基于偏好学习的nl2sql生成方法，其特征在于，所述从所述多个sql语句中选取符合预设条件的sql语句作为目标sql语句，并由所述目标sql语句构造所述偏好数据集，包括：

4.如权利要求1所述基于偏好学习的nl2sql生成方法，其特征在于，所述建立sft模型，包括：

5.如权利要求1所述基于偏好学习的nl2sql生成方法，其特征在于，所述基于所述偏好数据集、所述sft模型和直接偏好优化算法，确定目标模型，包括：

6.如权利要求5所述基于偏好学习的nl2sql生成方法，其特征在于，所述基于所述响应数据和所述直接偏好优化算法对所...

【专利技术属性】
技术研发人员：房松涛，李家诚，沙雨辰，卢睿轩，黄卫航，刘东，胡光龙，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：