【Text2SQL 论文】C3：使用 ChatGPT 实现 zero-shot Text2SQL

本文主要是介绍【Text2SQL 论文】C3：使用 ChatGPT 实现 zero-shot Text2SQL，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

论文：C3: Zero-shot Text-to-SQL with ChatGPT

⭐⭐⭐⭐

arXiv:2307.07306，浙大

Code：C3SQL | GitHub

一、论文速读

使用 ChatGPT 来解决 Text2SQL 任务时，few-shots ICL 的 setting 需要输入大量的 tokens，这有点昂贵且可能实际不可行。因此，本文尝试在 zero-shot 的 setting 下来解决 Text2SQL 问题。

本文提出了 C3 来基于 ChatGPT zero-shot 去做 Text2SQL，实现了 1000 tokens per query 下优于 fine-tuning-based methods。

二、C3

C3 由三个关键组件构成：Clear Prompts（CP）、Calibration with Hints（CH）、Consistency Output（CO），分别对应着模型输入、模型偏差和模型输出。

2.1 Clear Prompts 组件

Clear Prompts（CP）组件的目标是为 ChatGPT 解决 Text2SQL 任务构建一个有效的 prompt。它由两部分组成：Clear Layout 和 Clear Context。

2.1.1 Clear Layout

在 Text2SQL 中，有两种 prompt layout 的 styles：

类型 1：Complicated Layout：这种类型的 prompt 直接将 instruction、question 和 context 拼接起来，看起来较为杂乱，如下图的 (a) 所示
类型 2：Clear Layout：这种类型的 prompt 使用一个明显的分隔符将 instruction、question 和 context 分开，看起来更加清晰，如下图的 (b) 所示

在这里插入图片描述

论文指出，从直觉和实验上，都证明了 clear layout 能产生更好的表现。因此本文主要使用改进后的 clear layout。

但是，论文发现直接使用上图的 (b) 作为 prompt 会在生成的 SQL 中产生冗余的 columns，为了解决这个问题，论文在 instruction 部分后面加了一句：and do not select extra columns that are not explicitly requested in the query。

2.1.2 Clear Context

论文指出，在 prompt context 中包含整个 db schema 会导致两个问题：

在 prompt 引入过多的不相关 schema items 会让 ChatGPT 生成 SQL 时增加不相关 items 的 likelihood。
使用完整的 db schema 会让文本长度过大，导致不必要的 API tokens 开销

为此，论文提出需要先进行 schema linking 以召回相关的 tables 和 columns，并只将相关的信息放入 prompt context 中。

本文提出了一个 ChatGPT-based zero-shot 的 schema linking 的方法，分成两步：

Table Recall：使用一个 prompt 让 ChatGPT 召回相关 tables
Column Recall：基于 table recall 的结果，使用 prompt 让 ChatGPT 进一步召回相关 columns

Table Recall 的 prompt 示例如下：

在这里插入图片描述

Column Recall 的 prompt 示例如下：

在这里插入图片描述

2.2 Calibration with Hints 组件

论文通过分析生成的 SQL query，发现了几个由于 ChatGPT 固有的 biases 造成的 errors：

Bias 1：ChatGPT 在 output 中倾向于保守，SELECT 语句中经常出现与问题相关但不是必需的列。而且在涉及到数量问题时尤为明显。比如下图的左边第一个问题，COUNT(*) 仅用于排序，但 ChatGPT 在 SELECT 中也将其输出了。
Bias 2：ChatGPT 编写 SQL 时倾向于使用 LEFT JOIN、OR、IN，但经常无法正确使用它们。这种 bias 通常会导致执行结果中出现额外的值。

在这里插入图片描述

为了校准这些 bias，论文使用一个单独的组件来实施校准策略：Calibration with Hints（CH）。

论文通过将用于修正 Bias 的先验知识注入到与 ChatGPt 的历史对话中。在对话 history 中，我们让 ChatGPT 认为自己是一个优秀的 SQL 编写器，并引导它去遵循我们提出的 debias hints：

Hint 1：针对第一个 bias，这里设计了一个 tip 去指导 ChatGPT 只选择必要的 columns
Hint 2：针对第二个 bias，这里设计了一个 tip 来防止 ChatGPT 滥用一些 SQL 关键字。如下图所示，prompt 中直接要求 ChatGPT 尽量避免使用 LEFT JOIN、IN、OR，而使用 JOIN 和 INSERSECT，而且在适当时使用 DISTINCT 或 LIMIT，来避免重复的执行结果。

如下是一个示例：

在这里插入图片描述

2.3 Consistency Output 组件

由于 LLM 固有的随机性，ChatGPT 的输出是不稳定的。这里将 Text2SQL 也视为 reasoning 问题，于是使用 self-consistency 思想来提高效果。

论文提出了一个 execution-based self-consistency for Text2SQL 方法，封装为这里的 Consistency Output（CO）组件，用于选择 LLM 生成的 SQL。

这里的思想是，让 LLM 通过多个推理路径来生成多个 SQL answers，然后移除掉其中 execution error 的 SQL，并对剩余的 SQL 进行投票，从而选出最终的答案。

2.4 总结

C3 的整体框架如下：

在这里插入图片描述

三、实验

论文在 Spider 数据集上使用 Execution Accuracy（EX）作为指标来测试。

整体上的实验发现，C3 在 Spider 测试集上优于所有传统的基于微调的方法，在 Spider 排行榜上排名第二。与 top-1 方法的 few-shots settings 的 DIN-SQL 相比，只使用了约 10% 的 token 数量，而且这里使用的 GPT-3.5 在成本上也低于 DIN-SQL 使用的 GPT-4。所以，C3 方法更加预算友好。

此外，论文还做了不少的消融实验，总结了 error cases 的分析，具体可参考原论文。