← 研踪 PaperTrail软件学报:jos:7717 · 记录 #1
大规模电力数据库自动构建与查询生成技术
来源日期 2026-09-23
来源记录日期 2026-09-23
雷达观测 2026-11-01 16:34
摘要
电力行业的数字化进程催生了海量的结构化业务数据, 关键业务对自然语言驱动的高效数据查询需求日益迫切. 然而, 电力数据库普遍存在模式庞大、字段语义模糊和查询复杂等特点, 当前查询方式仍高度依赖人工编写SQL, 效率低且可能导致运维或调度决策错误. 尽管大语言模型(large language model, LLM)与Text-to-SQL技术为该问题提供了新的解决思路, 却因电力领域数据库的自身特点而导致适配性有限. 针对上述挑战, 提出模型无关的Text-to-SQL框架ElectricSQL, 该框架通过LLM模仿学习和SQL视图模式转化, 在不依赖特定商业大模型的前提下提升复杂电力业务查询的SQL生成性能. 同时, 构建一个面向真实电力业务场景的Text-to-SQL基准数据集PowerSQL. 实验结果表明, ElectricSQL在PowerSQL数据集上显著优于主流基线, 且在多类开源LLM上实现了稳定性能增益, 验证了所提方法的有效性并为电力领域自然语言查询系统构建和垂类领域Text-to-SQL研究提供了可复用方案.
论文发现出处
这些页面提供论文线索，不代表同行评审或质量认证。
发表信息与关联版本
软件学报 ↗2026 · 正式发表 · DOI: 10.13328/j.cnki.jos.007717
观测到的版本
平台记录号代表本站观测到的元数据变化，不是作者修订号。来源日期仅到月份或年份时，按该月或该年首日存档。
记录 #1 · 2026-09-23 · 最新观测版本
大规模电力数据库自动构建与查询生成技术
电力行业的数字化进程催生了海量的结构化业务数据, 关键业务对自然语言驱动的高效数据查询需求日益迫切. 然而, 电力数据库普遍存在模式庞大、字段语义模糊和查询复杂等特点, 当前查询方式仍高度依赖人工编写SQL, 效率低且可能导致运维或调度决策错误. 尽管大语言模型(large language model, LLM)与Text-to-SQL技术为该问题提供了新的解决思路, 却因电力领域数据库的自身特点而导致适配性有限. 针对上述挑战, 提出模型无关的Text-to-SQL框架ElectricSQL, 该框架通过LLM模仿学习和SQL视图模式转化, 在不依赖特定商业大模型的前提下提升复杂电力业务查询的SQL生成性能. 同时, 构建一个面向真实电力业务场景的Text-to-SQL基准数据集PowerSQL. 实验结果表明, ElectricSQL在PowerSQL数据集上显著优于主流基线, 且在多类开源LLM上实现了稳定性能增益, 验证了所提方法的有效性并为电力领域自然语言查询系统构建和垂类领域Text-to-SQL研究提供了可复用方案.
查看此版本解读 →查看此版本原文 ↗