一种基于两阶段试错学习的自然语言结构化查询方法

本发明公开了一种基于两阶段试错学习的自然语言结构化查询方法。将样例和数据库模式信息输入大语言模型中生成初步问题对，进而依次进行数据增广和筛选标注构建翻译原始数据集；根据待翻译的自然语言问题在翻译原始数据集中检索处理选择出若干个参考问题对并输入大语言模型学习得到学习后的大语言模型；将待翻译的自然语言问题分别根据不同参数权重配置组合输入学习后的大语言模型生成各个参数权重配置组合的SQL语句；依次进行自纠错、语句执行、比对处理得到目标SQL语句。本发明提升了模型对复杂查询和不同表达方式的理解能力，使其更好地适应特定领域数据，显著提升查询生成的准确率。