面向结构化数据库智能查询是将用户提出的自然语言问句转换成数据库查询语言(比如SQL)的技术,随后在结构化数据库执行查询语言获得精确的答案,实现智能查询的功能,弥补传统搜索引擎根据关键字查询的不足。该技术极大的提高了结构化数据库的易用性,使用户不用掌握数据库查询语言也能快速查询数据库。数据库智能查询的关键是如何理解用户的问句语义,提取与数据库相对应的部分生成SQL语句。随着神经网络近年来在自然语言处理取得飞速的发展,基于深度学习的语义解析方法已经成为新的研究热点。本文在现有的深度学习模型基础上,提出一种NL2SQL语义解析模型。该模型通过结合数据库结构及内容的问句理解方法更好地理解用户语义,通过填充SQL草图生成SQL查询语句。本文的具体工作与成果如下:(1)针对现有的深度学习模型仅是通过数据库结构生成SQL语句,提出一种问句理解方法。该方法通过添加表列名和表内容特征,利用attention注意力机制得到更加准确的问句表达式,使模型更好地识别出问句中的数据库表列名和表内容。(2)利用attention机制得到的表达式,通过分类和序列标注任务的结果填充预先定义好的SQL草图的槽,实现SQL语句的转换。其中SQL草图每个槽对应一个子任务。根据SQL语句的语法,在模型的输出层利用子任务之间的关系提升SQL生成的准确率。(3)本文实现了一个NL2SQL语义解析模型,分别使用追一科技公司在阿里云天池平台发布的中文数据集和公开数据集Wiki SQL进行实验。实验结果表明结合数据库结构及内容的问句理解方法取得了更好的准确率。