• CHASE：一個跨領域多輪交互text2sql中文數據集，包含5459個多輪問題組成的列表，一共17,940個<query, SQL>二元組，涉及280個不同領域的數據庫。
• CoSQL：一個用于構建跨域對話文本到sql系統的語料庫。它是Spider和SParC任務的對話版本，由30k+回合和10k+帶注釋的SQL查詢組成，這些查詢來自Wizard - of - Oz的3k個對話集合，查詢了跨越138個領域的200個復雜數據庫。
• SPARC：一個跨域上下文語義分析的數據集，是Spider任務的上下文交互版本。內容分為CHASE - C和CHASE - T兩部分，CHASE - C從頭標注實現，CHASE - T將Sparc從英文翻譯為中文。相比以往數據集，CHASE大幅增加了hard類型的數據規模，減少了上下文獨立樣本的數據量，彌補了Text2SQL多輪交互任務中文數據集的空白。

將這三個數據集的數據處理嵌套到目的數據處理代碼中，有以下作用：

• 豐富數據來源：使模型能夠學習到不同類型、不同領域的文本與SQL的映射關系，從而提高模型對各種自然語言查詢的理解和生成正確SQL語句的能力，提升模型的泛化性能。
• 支持多輪交互和上下文理解：這幾個數據集都涉及到對話場景或上下文信息，有助于模型處理具有多輪交互和依賴上下文的自然語言查詢，更好地理解用戶的意圖，特別是在復雜的查詢場景下，能夠根據之前的對話歷史生成準確的SQL查詢。
• 提升模型性能：通過融合多個數據集，可以讓模型學習到更豐富的語義和語法模式，捕捉到不同數據集中的獨特特征，從而優化模型的參數，提高模型在Text - to - SQL任務上的準確性和效率。

例如，在一個基于自然語言的數據庫查詢系統中，嵌套這些數據集的數據處理，可以讓系統更好地理解用戶輸入的自然語言問題，無論是簡單的單輪查詢還是復雜的多輪對話式查詢，都能更準確地將其轉換為對應的SQL語句，以從數據庫中獲取正確的結果。