为解决电网业务数据的智能交互查询,降低数据查询成本,提高电网数据利用率等问题,文章提出基于BERT(bidirectional encoder representations from transformer)模型的NL2SQL(natural language to SQL)算法,拟实现电力数据的智能交互、...为解决电网业务数据的智能交互查询,降低数据查询成本,提高电网数据利用率等问题,文章提出基于BERT(bidirectional encoder representations from transformer)模型的NL2SQL(natural language to SQL)算法,拟实现电力数据的智能交互、提升服务质量、加快电网数据资产变现。该研究可以实现用户通过输入拟查询的问句,经BERT模型词嵌入后,利用Text2Sql技术将BERT模型的处理结果转化为SQL语句,实现从数据库中查询到所需要的信息。文章构建了NL2SQL模型和算法训练,实验结果表明该方法的可行性和易用性。该方法能够帮助移动作业人员便捷查询数据,快速找到结构化的电力数据信息,辅助经营管理者决策分析,为各层级业务研究人员节省查询成本,加快电力数据资产变现。展开更多
文摘为解决电网业务数据的智能交互查询,降低数据查询成本,提高电网数据利用率等问题,文章提出基于BERT(bidirectional encoder representations from transformer)模型的NL2SQL(natural language to SQL)算法,拟实现电力数据的智能交互、提升服务质量、加快电网数据资产变现。该研究可以实现用户通过输入拟查询的问句,经BERT模型词嵌入后,利用Text2Sql技术将BERT模型的处理结果转化为SQL语句,实现从数据库中查询到所需要的信息。文章构建了NL2SQL模型和算法训练,实验结果表明该方法的可行性和易用性。该方法能够帮助移动作业人员便捷查询数据,快速找到结构化的电力数据信息,辅助经营管理者决策分析,为各层级业务研究人员节省查询成本,加快电力数据资产变现。
