结构化查询语言的翻译方法、装置、计算设备及可读存储介质与流程

技术特征：
1.一种结构化查询语言的翻译方法，包括：为结构化查询语言的查询语句构建结构图，所述结构图包括多个节点和连接节点的边；生成所述结构图的特征矩阵，所述特征矩阵包括各节点的节点特征；将所述结构图的特征矩阵和多个不同阶数的邻接矩阵输入图编码器，以便所述图编码器输出得到所述结构图的融合特征矩阵；以及将所述融合特征矩阵输入解码器，以便所述解码器输出得到所述查询语句到自然语言的翻译。2.如权利要求1所述的方法，其中，所述图编码器包括多个图卷积层，所述图卷积层适于接收多个不同阶数的邻接矩阵；接收所述特征矩阵或者上一个图卷积层输出的融合特征矩阵；输出当前图卷积层的融合特征矩阵。3.如权利要求2所述的方法，其中，所述图卷积层包括对应于各个不同阶数的邻接矩阵的多个图卷积模块，所述图卷积模块适于接收与所述图卷积模块对应的邻接矩阵；接收所述特征矩阵或者上一个图卷积层的输出。4.如权利要求3所述的方法，其中，所述多个图卷积模块具有相同的权重参数。5.如权利要求3所述的方法，其中，所述图卷积层包括融合模块，所述融合模块适于将所述多个图卷积模块的输出进行融合，得到当前图卷积层的融合特征矩阵。6.如权利要求5所述的方法，其中，所述图卷积层表达为以下公式：6.如权利要求5所述的方法，其中，所述图卷积层表达为以下公式：其中，h
l 1
为所述图卷积层的输出，h
l
为所述图卷积层的输入，为所述图卷积层上k阶邻接矩阵的门控矩阵，*表示元素相乘，φ表示relu函数，σ表示sigmoid函数，λ为标量，k为邻接矩阵的最高阶数，w
l
为所述图卷积层的权重参数，b
l
为所述图卷积层的偏置参数。7.如权利要求1所述的方法，其中，所述翻译包括多个自然语言的词，所述解码器基于所述图编码器输出的融合特征矩阵和所述解码器之前输出的词来生成当前输出的词。8.如权利要求1所述的方法，其中，所述解码器包括transformer模型或者具有注意力机制的长短时记忆模型。9.如权利要求1所述的方法，其中，生成所述结构图的特征矩阵的步骤包括：基于图嵌入算法生成所述节点的节点特征，以得到所述特征矩阵。10.如权利要求1所述的方法，其中，生成所述结构图的特征矩阵的步骤包括：基于节点的独热编码、或者概率分布、或者文本属性生成所述节点的节点特征，以得到所述特征矩阵。
11.如权利要求1所述的方法，其中，所述查询语句用于执行预定操作，为结构化查询语言的查询语句构建结构图的步骤包括：为所述预定操作创建节点；为所述预定操作针对的操作对象创建节点，所述操作对象对应的节点连接至所述预定操作对应的节点。12.如权利要求11所述的方法，其中，所述查询语句包括功能函数，为结构化查询语言的查询语句构建结构图的步骤包括：为所述功能函数创建节点，所述功能函数对应的节点连接至所述功能函数针对的操作对象对应的节点。13.如权利要求11所述的方法，其中，所述查询语句包括一个或者多个条件，所述条件包括条件对象和条件约束，为结构化查询语言的查询语句构建结构图的步骤包括：为所述条件对象和所述条件约束分别创建节点，所述条件对象对应的节点连接至所述条件约束对应的节点；合并条件约束相同的节点。14.如权利要求11所述的方法，其中，所述查询语句包括所述多个条件之间的逻辑运算符，为结构化查询语言的查询语句构建结构图的步骤包括：为所述逻辑运算符创建节点，所述逻辑运算符对应的节点分别连接至与所述逻辑运算符相关联的条件对象对应的节点以及所述预定操作对应的节点。15.一种结构图的翻译方法，所述结构图包括多个节点和连接节点的边，所述方法包括：生成所述结构图的特征矩阵，所述特征矩阵包括各节点的节点特征；将所述结构图的特征矩阵和多个不同阶数的邻接矩阵输入图编码器，以便所述图编码器输出得到所述结构图的融合特征矩阵；以及将所述融合特征矩阵输入解码器，以便所述解码器输出得到所述结构图到自然语言的翻译。16.一种结构化查询语言的翻译装置，包括：图构建单元，适于为结构化查询语言的查询语句构建结构图，所述结构图包括多个节点和连接节点的边；矩阵生成单元，适于生成所述结构图的特征矩阵，所述特征矩阵包括各节点的节点特征；以及包括图编码器和解码器的翻译模型组件，其中，所述图编码器适于接收所述结构图的特征矩阵和多个不同阶数的邻接矩阵，输出得到所述结构图的融合特征矩阵，所述解码器适于接收所述图编码器输出的所述融合特征矩阵，输出得到所述查询语句到自然语言的翻译。17.如权利要求16所述的装置，其中，所述图编码器包括多个图卷积层，所述图卷积层适于接收多个不同阶数的邻接矩阵；接收所述特征矩阵或者上一个图卷积层输出的融合特征矩阵；输出当前图卷积层的融合特征矩阵。
18.如权利要求17所述的装置，其中，所述图卷积层包括对应于各个不同阶数的邻接矩阵的多个图卷积模块，所述图卷积模块适于接收与所述图卷积模块对应的邻接矩阵；接收所述特征矩阵或者上一个图卷积层的输出。19.如权利要求18所述的装置，其中，所述多个图卷积模块具有相同的权重参数。20.如权利要求18所述的装置，其中，所述图卷积层包括融合模块，所述融合模块适于将所述多个图卷积模块的输出进行融合，得到当前图卷积层的融合特征矩阵。21.如权利要求20所述的装置，其中，所述图卷积层表达为以下公式：21.如权利要求20所述的装置，其中，所述图卷积层表达为以下公式：其中，h
l 1
为所述图卷积层的输出，h
l
为所述图卷积层的输入，为所述图卷积层上k阶邻接矩阵的门控矩阵，*表示元素相乘，φ表示relu函数，σ表示sigmoid函数，λ为标量，k为邻接矩阵的最高阶数，w
l
为所述图卷积层的权重参数，b
l
为所述图卷积层的偏置参数。22.如权利要求16所述的装置，其中，所述翻译包括多个自然语言的词，所述解码器基于所述图编码器输出的融合特征矩阵和所述解码器之前输出的词来生成当前输出的词。23.如权利要求16所述的装置，其中，所述解码器包括transformer模型或者具有注意力机制的长短时记忆模型。24.一种结构图的翻译装置，所述结构图包括多个节点和连接节点的边，所述装置包括：矩阵生成单元，适于生成所述结构图的特征矩阵，所述特征矩阵包括各节点的节点特征；以及包括图编码器和解码器的翻译模型组件，其中，所述图编码器适于接收所述结构图的特征矩阵和多个不同阶数的邻接矩阵，输出得到所述结构图的融合特征矩阵，所述解码器适于接收所述图编码器输出的所述融合特征矩阵，输出得到所述结构图到自然语言的翻译。25.一种图卷积网络，包括多个图卷积模块，分别对应于结构图不同阶数的邻接矩阵，所述图卷积模块适于接收与所述图卷积模块对应的邻接矩阵，接收所述结构图的特征矩阵或者上一个图卷积层输出的所述结构图的融合特征矩阵；以及融合模块，适于将所述多个图卷积模块的输出进行融合，得到当前图卷积层的融合特征矩阵。26.一种计算设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一
个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1-15所述的翻译方法中的任一方法的指令。27.一种存储程序的可读存储介质，所述程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1-15所述的翻译方法中的任一方法。

技术总结
本发明公开了一种结构化查询语言的翻译方法，包括：为结构化查询语言的查询语句构建结构图，结构图包括多个节点和连接节点的边；生成结构图的特征矩阵，特征矩阵包括各节点的节点特征；将结构图的特征矩阵和多个不同阶数的邻接矩阵输入图编码器，以便图编码器输出得到结构图的融合特征矩阵；以及将融合特征矩阵输入解码器，以便解码器输出得到查询语句到自然语言的翻译。本发明还公开了对应的翻译装置、图卷积网络、计算设备和可读存储介质。计算设备和可读存储介质。计算设备和可读存储介质。


技术研发人员：张琰 邴立东
受保护的技术使用者：阿里巴巴集团控股有限公司
技术研发日：2020.04.20
技术公布日：2021/10/22