数据库的自然语言接口的研究一直受到广泛关注,因为它允许非专家使用自然语言进行数据库查询,具有较高的应用价值。最近随着数据集的丰富,基于深度学习的方法越来越多。但同时数据集都是英文领域,需要使用一定的跨语言迁移方法进行模型迁移才能在中文领域应用。本文关注英文数据集WikiSQL提出的SQL生成任务,对数据集进行仔细分析后,发现了其中存在部分包含常识或领域知识的条件列不会被明确提及,而是隐含在自然语言查询语句中的情况,导致这一类条件的预测并不顺利。为了解决这一问题,本文在无外部知识引入的情况下提出了使用自然语言序列中的条件值序列辅助条件列推测任务的方法,对SQL生成模型进行了改进。主要改进了以下两点:第一,交换了条件值任务与条件列任务的顺序,这样可以先通过条件值任务获得条件值序列,以指导条件列任务的推测;第二,以序列标注任务的方法解决条件值任务,不仅提高了条件值准确率,也使得模型可以一次性获得全部的条件值序列。同时本文为了将模型应用至中文质检领域,使用了机器翻译技术将原英文数据集翻译成了中文,依据质检公司数据库人工标注了一个小型的质检数据集,并使用跨语言预训练语言模型的方法进行模型迁移。最终实验结果显示模型在测试集上的执行结果准确率提升了4.9%,证明了方法的有效性。同时经过跨语言迁移,模型在中文数据集上获得了 65.7%的执行结果准确率。最后开发了面向质检公司数据库的SQL生成工具原型,表现达到预期。