CCKS 2022 | 如何通过“说一句话”精准获取数据？恒生发布金融NL2SQL评测任务

某投资者登录券商理财APP，想要查找最近两年上市的公司，并按照最新的市值进行排序。然而他很难直接找到结果，需要经过层层筛选才能大致找到相关结果。

有没有更简便的方式来查找数据？如果说一句话或者打一小段文字后，就能获得我想要的数据结果，那该有多好！

随着金融机构数智化转型，数据正急剧增长，投研人员、投资经理、运营人员和投资者都希望能够更加快速精准地查找需要的数据，而传统的方法在覆盖度、准确性、可迁移性等方面难以满足需求。面对这一问题，恒生基于在自然语言处理方面的沉淀，在今年的全国知识图谱与语义计算大会（CCKS 2022）中发布了金融NL2SQL（自然语言转SQL）评测任务，NL2SQL方法通过自动将自然语言问句转化为SQL查询，从而实现精准数据问答。

点击图片可跳转至评测任务链接

关于CCKS技术评测

全国知识图谱与语义计算大会（CCKS: China Conference on Knowledge Graph and Semantic Computing）由中国中文信息学会语言与知识计算专委会举办，致力于促进语言与知识计算领域的学术研究和产业发展，为从事相关领域理论和应用研究的学者、机构和企业提供广泛交流的平台，已经成为国内知识图谱、语义技术和知识计算等领域的核心会议。

CCKS技术评测旨在为研究人员提供测试知识图谱与语义计算技术、算法、系统的平台和资源，促进国内知识图谱领域的技术发展，以及学术成果与产业需求的融合和对接。去年，CCKS 2021评测竞赛环节共设立了5个主题共计14个任务，涵盖了金融、医疗、军事、生物、地理、保险、生活服务等各个领域，吸引了超过1万多支参赛队伍，在工业界和学术界形成较高影响力。

今年，经过评测任务征集和评测组委会筛选，CCKS 2022共设立五个评测主题，共15个评测任务。CCKS 2022组委会为每个任务前三名颁发证书，并从所有队伍中特别评选10个“创新技术奖”。专委会还将协同Data Intelligence期刊编辑部组织“评测论文主题专刊”，优秀评测论文将推荐至该专刊免费发表，同时优秀评测论文也将推荐收录进入主会论文集，并有机会推荐至相应期刊发表。

恒生发布金融NL2SQL评测

探索数据精准查询的新玩法

作为本次金融NL2SQL评测任务的发起方之一，恒生在金融领域NLP的落地应用以及前沿技术探索方面，已有丰富的经验。恒生NLP通过自研金融预训练模型、知识积累及注入，形成了可应对长文档、大宽表、纵表、时序等挑战的整体能力，将前沿研究成果平稳落地到金融智能问答、投研分析等场景。

当前结构化数据的精准查询主要通过封装报表实现，但这难以大规模生产，也无法覆盖长尾问题。随着NLP预训练语言模型能力不断取得突破，基于大模型的文本自动转SQL语言技术也日趋成熟。基于NL2SQL技术打造新一代数据交互，并将其作为数智化背景下的数据应用引擎，可以通过“说一句话”的方式直接获取到想要的数据。这将解决投研人员、投资者等数据查找难的问题，并将运营人员从大量报表工作中解放出来，通过知识运维配置即可快速启动新场景的数据查询能力，进而提升业务运行效率。

评测任务

NL2SQL工程化过程中面临多表关联、大宽表、纵表、模型迁移、表识别等挑战。现有数据和方法主要关注“封闭场景，指定库/表，单表查询”设定，这很难满足真实场景应用需求。从领域特性来看，金融数据多为时间序列，包括日频行情、季频财报、年度GDP、不定期股票质押解质押等，这种复杂性会增大问题转SQL难度。考虑到垂直领域知识可能有助于构建可迁移系统，本评测任务将开放金融股票、基金、宏观等场景结构化表格及相关知识，推动垂直领域下NL2SQL技术发展。

数据集

本评测任务将提供有标注数据训练集3966条和验证集1000条，2000条无标签数据作为测试集。除标注数据外，还包括数据库基础信息（db_info.json）、数据库表（.sql文件和.sqlite文件）、领域知识（fin_kb.json）等。

奖励设置

恒生将提供30000元奖金，奖励评测结果优异的团队，具体设置如下：

第一名：15000元

第二名：10000元

第三名：5000元

此外，本次任务将会选出一支队伍参与CCKS评测任务创新奖评选（奖金5000元）。

时间安排

评测任务发布：4月12日

组队截止时间：7月25日（23:59 UTC）

验证集开始提交时间：5月1日（00:00 UTC）