随着人类社会所积累的数据规模愈发庞大,数据分析和处理的成本和代价不断增加,能否从海量数据中高效地获取知识,成为影响数据分析方法的效率的关键因素之一。数据探索,是指从源数据中获取知识的过程;基于自然语言进行数据探索,能够为数据提供自然语言接口,降低数据分析门槛,提升数据分析的效率。知识推理技术能够挖掘现有知识中潜在的数据语义,对知识库和知识图谱进行补全和完善。本文针对自然语言数据探索任务中元数据不够完整的问题,设计一种复合元数据,并依此设计了一种基于知识推理技术的自然语言数据探索方法。主要工作具体如下:（1）提出了一种新的复合元数据定义,设计了一种新的基于知识推理技术的关系型数据库复合元数据构建方法:基于关系型数据库的模式等多源知识,先定义关系型数据库的简单元数据,然后基于简单元数据构建知识图谱,将简单元数据的图谱汇总构成更完整的知识图谱,然后使用知识推理技术来对知识图谱进行补全,从而充分挖掘知识图谱中丰富的数据语义,将此图谱作为复合元数据。实验结果表明,通过知识推理,使得知识图谱具备了更完善的知识,元数据包含的数据语义更加完善,该方法能够有效解决元数据不够完整的问题。（2）提出了一个基于图计算、特征增强等方法构建的深度学习模型,基于复合元数据完成一种对关系型数据库数据的自然语言数据探索任务:将自然语言翻译成数据库查询语句SQL。模型采用编码器-解码器架构,编码器使用图卷积网络和Transformer模型对知识图谱和自然语言组成的联合输入进行编码;解码器采用抽象语法树作为中间表示,完成自然语言到SQL查询语句的翻译。实验结果表明,该模型能够有效完成自然语言数据探索任务,生成相应的SQL查询语句。（3）基于上述研究工作,设计并实现了一个基于知识推理的自然语言数据探索的软件系统原型,该系统主要包括自然语言数据探索功能、元数据构建与管理功能、数据库即时交互功能、语料管理功能等。