数据集概述
本数据集是基于Spider数据集开发的Spider-Realistic评估数据集，通过移除原始问题中显式列名、保留SQL查询与数据库不变，用于测试文本转SQL模型在自然语言与数据库 schema 对齐的能力，包含5个文件，支持语义解析模型的性能评估。
文件详解
- spider-realistic.json
- 文件格式：JSON
- 字段映射介绍：Spider-Realistic评估集，含508个示例、19个数据库，问题已移除显式列名，SQL查询与原始一致
- dev.json
- 文件格式：JSON
- 字段映射介绍：Spider原始开发集，含1034个示例、20个数据库，保留原始问题表述
- tables.json
- 文件格式：JSON
- 字段映射介绍：Spider原始数据库 schema，含166个数据库的表结构信息
- README.txt
- 文件格式：TXT
- 字段映射介绍：数据集说明文档，含创建背景、使用方法及引用要求
- license
- 文件格式：无扩展名
- 字段映射介绍：数据集许可文件，采用CC BY-SA 4.0协议
数据来源
论文“Structure-Grounded Pretraining for Text-to-SQL”及Spider数据集（2020-06-07版本）
适用场景
- 文本转SQL模型性能评估：测试模型在隐式列名场景下的语义解析准确性
- 自然语言与数据库schema对齐研究：分析模型对NL utterance与DB结构的关联能力
- 语义解析预训练方法验证：支持Structure-Grounded Pretraining等预训练策略的效果验证
- 跨域文本转SQL任务优化：基于166个数据库的多样场景，优化模型跨领域适配能力
