在大数据环境下,每个行业都高度重视从海量用户数据中挖掘其背后的隐藏信息和价值,然而这些信息存在数据本身的隐蔽性,另外业务人员无法给数据人员清晰地表达自己的意图,导致难以从结构化数据中最大限度的获取到用户的喜好特征。因此直接通过自然语言在数据库查询数据,搭建数据库的自然语言交互平台也受到越来越多企业和研究学者的关注。NL2SQL是自然语言查询数据背后的核心技术,而NL2SQL中自然语言和SQL语言本身就存在语法结构差异,甚至自然语言中还存在同义词等复杂场景查询,因此如何消除自然语言和SQL语言上语法的结构关系,如何解释自然语言、SQL和数据表之间的关系,准确地将自然语言转化为计算机可以执行的规范化SQL表示,是当前NL2SQL任务中面临的重大挑战。本文以此为背景,针对更加困难的中文NL2SQL任务展开了研究,目前现有的NL2SQL研究大多就针对简单的英文数据集,并且其模型架构不完全适配于中文自然语言查询,因此本文在单表查询场景下提出了基于BERT的中文NL2SQL模型,以提高模型SQL生成准确率和执行准确率为目标,针对数据和模型做了大量研究工作后,最终实现了中文自然语言转化为SQL语句的高准确率,并将其应用于智能报表系统中,本文的具体研究内容如下:1)在单表查询场景下,本文对其SQL语法结构进行分析,基于插槽填充的方式设计NL2SQL模型,从输入序列中定位条件值,将SQL生成任务转化为分类任务,并采用多任务多目标融合模型,增强子任务之间的关联性。在模型中加入多列类型特征来预测多个条件,避免多条件时的列名复用,并加入数据内容进行文本相似度计算,改善了存在相同单词的同义词问题,提高了模型准确率。2)本文使用中文数据集TableQA作为数据集,根据模型训练和预测的结果,针对bad case进行分析,对模型进行调优并改善了数据同义词情况。最后综合对比其它模型,在多个准确率指标上都有良好的性能表现。3)本文基于NL2SQL模型,设计并实现了SQL查询场景下的智能报表系统,系统主要功能包括用户输入自然语言查询问题,由系统模型生成问题的SQL语句,最后以报表的形式返回结果。本文旨在将自然语言处理融入数据库领域中,减少非技术人员学习数据库语言的时间成本,并期望在大数据环境下能够通过智能报表系统快速分析数据中的价值信息。总体上达到企业高效获取价值效益,业务人员减轻工作压力,用户也能更快的享受特性服务的局面。