Page 158 - 《软件学报》2026年第3期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2026,37(3):1121−1142 [doi: 10.13328/j.cnki.jos.007514] [CSTR: 32375.14.jos.007514] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
基于大语言模型的空间数据库自然语言查询转换方法

刘孟怡 1 , 许建秋 1 , 童咏昕 2

1
(南京航空航天大学 计算机科学与技术学院/软件学院, 江苏 南京 211106)
2
(北京航空航天大学 计算机学院, 北京 100191)
通信作者: 许建秋, E-mail: jianqiu@nuaa.edu.cn

摘 要: Text2SQL 技术通过减少非专业用户与关系数据库交互的技术障碍, 已发展为数据分析和数据库管理的重
要工具. 以 GPT 为代表的大语言模型 (large language model, LLM) 的引入, 进一步提升了 Text2SQL 系统的性能.
然而, 由于空间数据涉及复杂的几何关系、多样化的查询类型和对高精度语义理解的需求, 现有的 Text2SQL 技术
难以直接适用于空间数据库领域. 为了解决上述问题, 降低普通用户与空间数据库的交互门槛, 提出了面向空间数
据库的自然语言查询 (natural language query, NLQ) 转换方法. 该方法有两个核心阶段: (1) 自然语言理解; (2) 可执
行语言生成. 在阶段 (1) 中使用实体信息提取算法提取关键查询实体, 并基于大语言模型构建空间数据查询语料库
进而确定查询类型. 在阶段 (2) 中根据查询类型选择结构化语言模型 (structured language model, SLM), 然后将实体
映射到结构化语言模型中, 得到最终的空间数据库可执行语言. 在多组真实数据集上的实验结果表明, 该方法可以
实现从用户的自然语言查询到空间数据库可执行语言的高效转换.
关键词: 空间数据库; 自然语言接口; 数据库自然语言接口; 语义解析; 查询处理
中图法分类号: TP311

中文引用格式: 刘孟怡, 许建秋, 童咏昕. 基于大语言模型的空间数据库自然语言查询转换方法. 软件学报, 2026, 37(3): 1121–1142.
http://www.jos.org.cn/1000-9825/7514.htm
英文引用格式: Liu MY, Xu JQ, Tong YX. Natural Language Query Transformation Method for Spatial Databases Based on Large
Language Model. Ruan Jian Xue Bao/Journal of Software, 2026, 37(3): 1121–1142 (in Chinese). http://www.jos.org.cn/1000-9825/7514.
htm

Natural Language Query Transformation Method for Spatial Databases Based on Large
Language Model
1
1
LIU Meng-Yi , XU Jian-Qiu , TONG Yong-Xin 2
1
(College of Computer Science and Technology/College of Software, Nanjing University of Aeronautics and Astronautics, Nanjing 211106,
China)
2
(School of Computer Science and Engineering, Beihang University, Beijing 100191, China)
Abstract: Text2SQL has evolved into a significant tool for data analysis and database management by reducing the technical barriers for
non-expert users to interact with relational databases. The introduction of large language model (LLM), represented by GPT, further
improves the performance of Text2SQL systems. However, existing Text2SQL techniques are difficult to apply directly to the spatial
database domain because spatial data involves complex geometric relationships, diverse query types, and the demand for high-precision
semantic understanding. To address these issues and lower the threshold for interaction between non-experts and spatial databases, a
natural language query (NLQ) transformation method for spatial databases is proposed. The method consists of two core phases: (1) natural
language understanding; (2) executable language generation. In phase (1), an entity information extraction algorithm is employed to extract

* 基金项目: 国家自然科学基金 (62472217, U23A20296)
本文由“向量数据库及 DB4LLM 技术”专题特约编辑高宏教授、李国良教授、张蓉教授推荐.
收稿时间: 2025-05-06; 修改时间: 2025-06-30; 采用时间: 2025-08-20; jos 在线出版时间: 2025-09-02
CNKI 网络首发时间: 2026-01-08