JoinGR：学习遍历连接图以进行表检索

检索正确的表是通过实际数据库进行文本到 SQL 的先决条件。密集表检索器独立对模式元素进行排名，但这忽略了一个关键的证据来源：问题中未提及某些必需的表，并且只能通过它们与已经相关的表的连接关系来识别。我们介绍 JOINGR，一种连接感知的表检索方法，它将数据库连接图视为检索空间。列表示为图形节点，而表内和外键关系表示为类型边。给定一个问题，JOINGR 选择语义相似的锚表，使用查询条件评分器遍历连接边，并将生成的边沉积聚合到表分数中。评分器是一个基于冻结查询、节点和边缘嵌入的轻量级 MLP，通过黄金表上的成对边缘损失进行训练。在 BIRD 和 Spider 数据集上，JOINGR 与最强的检索基线具有竞争力。在 BEAVER（具有多跳表要求的具有挑战性的企业基准）上，JOINGR 大大提高了密集检索和重新排名基线的召回率。跨域实验表明，学习的评分器跨基准转移，表明该方法捕获可重用的连接图遍历行为。