信息资源已经成为各个行业当之无愧的战略资源,数据资源也已经成为真正意义上的互联网行业的“石油”资源。然而随着信息量的日益增长以及数据库在各行各业中的广泛应用,当下人们需要一种更为直接,高效,灵活的数据库检索方式,其中基于自然语言接口的数据库问答系统成为了该问题的“有效解”。NL2SQL作为一种面向关系型数据库的问答技术,在最近几年里随着WikiSQL,Spider,CSpider,DuSQL等Text-to-SQL数据集的公布,其研究正逐渐变得火热起来。由于关系型数据库是各行各业中最广泛使用的数据库以及数据量的日益增长,使得NL2SQL任务具有很高的研究价值和应用价值。然而当前所存在的主流方法,大多只能应用在简单SQL语句上,当面对嵌套,复杂语法的SQL语句时往往无能为力。其次当前的主流方法在生成SQL的过程中,往往需要在线地与数据库进行交互,这造成了在大型数据库应用场景下的落地困难,效率低下,效果差等现象。故如何建立一套简单直接,易于实施,有效且扩展性好的SQL自动生成方法是非常值得研究的问题。本论文基于上述问题提出了一种基于生成式预训练模型的SQL生成方法,这种简单直接,端到端的SQL生成方法,在生成式预训练模型强大的语言生成和语义理解能力的帮助下,可以有效地解决SQL生成中跨表,复杂语法,嵌套,性能受限于数据库规模等一系列问题,使得面向关系型数据库的问答系统更容易推广且应用。首先考虑到基于Seq2Seq架构的生成式预训练模型UniLM在非同源文本生成和构建领域具有显著优势,因此选用其作为本论文SQL生成方法的基本模型,并详细介绍了将UniLM用于SQL生成的基本原理和过程。其次本论文还创造性地提出了 SQL重编码技术,该技术通过对高频字段组合压缩编码和将多种从句合并为函数等方法,探寻出了一种可以使SQL表达字符更短,更有利于生成模型解码过程且命名为O-SQL的全新SQL表达方式。同时本论文还提出了一种基于数据库结构知识和内容知识的数据增广方法,利用对增广数据进行预训练的过程将数据库结构知识和内容知识融入生成模型参数中,再进行下游任务的微调,从而提高了 SQL生成查询准确率。最后通过实验论证了本论文所有方法在SQL生成问题上的有效性。