我对自然语言查询很好奇。斯坦福拥有强大的处理自然语言的软件。我还看到了Apache OpenNLP库和文本工程的通用体系结构。
自然语言处理的用途非常多，这使得这些项目的文档难以快速吸收。
您能为我简化一下吗，并概括性地概述执行将简单问题基本转换为SQL所需的任务吗？
我的流程图中的第一个矩形有点神秘。
例如，我可能想知道：
How many books were sold last month?
我希望将其翻译成
Select count(*)
from sales
where
item_type='book' and
sales_date >= '5/1/2014' and
sales_date <= '5/31/2014'
Answers:
自然语言查询带来了许多复杂的问题，可能很难一概而论。从高层次上讲，我将从尝试用名词和动词来思考事物开始。
所以说一句话：上个月售出了几本书？
您将首先使用解析器将句子分解，该解析器将返回类似于以下的树格式：
您会看到其中有一本主题书，一个复合的口头短语表示过去的卖盘行为，然后是一个名词短语，您将焦点放在一个月的时间上。
我们可以进一步细分修饰词的主题：“多少”代表书籍，“最后”代表月份。
将句子分解后，需要将这些元素映射到sql语言，例如：多少=>计数，书籍=>书籍，已售=>销售，月份=> sales_date（间隔），等等。
最后，掌握了语言的要素之后，您只需要针对不同实体之间的交互方式制定一套规则，就可以做到：
从sales中选择count（*），其中item_type ='book'和sales_date> ='5/1/2014'和sales_date <='5/31/2014'
这是我的一个较高的起点，尽管我提到的几乎每个步骤都是不平凡的，实际上兔子洞可能是无穷无尽的，这应该给您提供了很多连接点。
至于简单的问题到答案不是简单的任何责任。
广泛且准确地做到这一点的第一项技术将是一个大赢家。
但是，仍然存在一些问题，用人工智能（例如IBM Watson和Amazon Alexa）“回答问题”来填补空白。这就要求解决与所讨论数据有关的语言复杂性，数据存储中的内容以及名词，动词和代词。
微软冒险用English Query在这里，但是后来停了下来。Kueri.me是一个基于Python的平台，几乎可以完成相同的工作。
SOQL，MDX，Hive，Impala和结构化查询语言（SQL）等更新版本采用老式SQL。尚未取代任何东西，所有这些都是对宏伟的“最终目标”的小修正，而这正是人工智能（AI），特别是机器学习。
问题是：
“计算机可以弄清楚您想要什么吗？”
还没。语言学家，数学家，工程师等都需要贡献自己的一份力量，以便我们可以品尝到一些甜美的人工智能和机器学习蛋糕。