張曉芳，歐睿，曾鈺城，饒攀軍，陳科，鄭元，張雷，李明艷

（1 太極計(jì)算機(jī)股份有限公司，北京 100102；2 哈爾濱工業(yè)大學(xué)，哈爾濱 150001）

0 引言

在傳統(tǒng)的以業(yè)務(wù)流為基礎(chǔ)的軟件中，用戶會(huì)根據(jù)業(yè)務(wù)類型，調(diào)用業(yè)務(wù)對(duì)應(yīng)的程序接口，完成業(yè)務(wù)需求。但隨著業(yè)務(wù)需求的多樣化，業(yè)務(wù)對(duì)應(yīng)的程序接口也會(huì)變得愈加繁雜，此時(shí)用戶為完成一項(xiàng)業(yè)務(wù)所需的操作步驟就會(huì)增多，導(dǎo)致工作效率下降和增加出錯(cuò)概率。針對(duì)于此，本文研究的指令序列轉(zhuǎn)換，是把用戶用自然語言表述的業(yè)務(wù)需求轉(zhuǎn)換為可供系統(tǒng)執(zhí)行的指令，通過執(zhí)行指令完成用戶所表達(dá)的業(yè)務(wù)需求，可以有效縮短操作步驟，提高工作效率和降低出錯(cuò)概率。

通常情況下，業(yè)務(wù)需求基本上都可以映射為對(duì)數(shù)據(jù)庫的增、刪、改、查。由于指令與SQL 語句類似，則可將其轉(zhuǎn)換成類似于SQL 語句的表達(dá)方式，進(jìn)而用Text2SQL 和NL2SQL 相關(guān)技術(shù)完成自然語言到指令的轉(zhuǎn)換。

自然語言序列到指令序列的轉(zhuǎn)換任務(wù)，在自然語言處理領(lǐng)域一直受到研究人員的關(guān)注，通常被稱為NLIDBs（Natural Language Interface to Databases）［1－2］。

早期提出的系統(tǒng)大多都是基于人工編寫的特定轉(zhuǎn)換規(guī)則，只能應(yīng)用到特定的數(shù)據(jù)庫中［3－5］。后來的工作著重于構(gòu)建一個(gè)能夠泛化的轉(zhuǎn)換系統(tǒng)，該系統(tǒng)可以用最少的人力即可用于多個(gè)數(shù)據(jù)庫［6－8］。近年來，隨著語義解析技術(shù)的進(jìn)步，以端到端［9－10］模型為代表的方法，以及在此基礎(chǔ)之上構(gòu)建的高級(jí)神經(jīng)網(wǎng)絡(luò)的方法［11－12］，在大規(guī)?？珙I(lǐng)域Text－to－SQL 數(shù)據(jù)集上。例如，WikiSQL［13］和Spider［14］，取得了非常好的效果。

針對(duì)上述問題，結(jié)合近年來有關(guān)Text2SQL 的工作，本文對(duì)以往模型進(jìn)行改進(jìn)，提出了混合排序填充網(wǎng)絡(luò)模型（Hybrid Ranking Filling Network，H－Net）。混合排序填充網(wǎng)絡(luò)模型建模過程如下：

（1）利用語言預(yù)訓(xùn)練模型BERT［15］對(duì)一個(gè)列與問句進(jìn)行聯(lián)合編碼，用以獲取列與問句之間的關(guān)系；

（2）根據(jù)選擇的SQL 模板，將生成完整的SQL語句任務(wù)，劃分為若干個(gè)生成子SQL 語句任務(wù)；

（3）計(jì)算列與問句在不同子SQL 語句中的相似度，并對(duì)計(jì)算的結(jié)果進(jìn)行排序；

（4）針對(duì)不同的子SQL 語句的生成任務(wù)，利用排序結(jié)果和其對(duì)應(yīng)的解碼方式進(jìn)行解碼，生成子SQL 語句。

（5）利用子SQL 語句填充SQL 模板，生成完整的SQL 語句。

混合排序填充模型與傳統(tǒng)端到端模型的不同在于，混合排序填充模型不需要額外的編碼器和解碼器，也不需要引入額外的中間表示層，這些特點(diǎn)降低了模型復(fù)雜度，提高了模型泛化能力。為了驗(yàn)證本文提出方法的有效性，構(gòu)建了文本序列到指令序列的數(shù)據(jù)集，在這一數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果，驗(yàn)證了本文方法的有效性。

1 相關(guān)工作

近年來，有關(guān)Text2SQL 的工作主要可以分為端到端翻譯、中間語義表示、SQL 子任務(wù)預(yù)測、中間語義表示等方法。下面分別介紹這4 類模型，并且評(píng)價(jià)其優(yōu)缺點(diǎn)，最后比較H－Net 與這4 類模型的聯(lián)系和區(qū)別。

1.1 端到端翻譯模型

端到端翻譯模型主要思想是，通過端到端模型生成具有SQL 語法結(jié)構(gòu)的草圖，然后利用問句中的內(nèi)容填充該草圖［13－16］。方法可以簡單概括為以下步驟：

（1）將輸入問句和數(shù)據(jù)庫表分別進(jìn)行編碼，計(jì)算問句對(duì)數(shù)據(jù)庫表的注意力，生成注意力表示作為模型輸入，然后通過解碼器生成一張粗略的草圖；

（2）通過對(duì)齊問句與草圖，填充草圖中丟失的細(xì)節(jié)。端對(duì)端模型對(duì)語句順序敏感，但SQL 語句對(duì)順序不敏感。例如，條件語句中交換2 個(gè)條件順序，對(duì)SQL 語句并沒有影響，但卻會(huì)影響端對(duì)端模型的生成過程。

1.2 中間語義表示模型

中間語義表示模型主要思想是將問句和所有列拼接，進(jìn)行編碼獲取輸入，然后通過基于語法（Grammar Based）的解碼器，生成樹狀結(jié)構(gòu)的中間語義表示，最后基于中間表示再進(jìn)行一次解碼，生成完整的SQL 語句［11－12，17］。方法可以簡單概括為以下步驟：

（1）將問句與數(shù)據(jù)庫進(jìn)行鏈接（Schema Linking），找出問句中的與數(shù)據(jù)庫對(duì)應(yīng)的表、列和值序列，然后將數(shù)據(jù)庫表中所有列與問句各自進(jìn)行編碼并且拼接作為輸入；

（2）利用基于語法的解碼器，通過ApplyRule，GenToken 2 類規(guī)則，生成樹狀結(jié)構(gòu)的中間語義表示；

（3）對(duì)中間語義表示再進(jìn)行一次解碼，生成完整的SQL。

中間語義表示方法需要專門的基于語法的解碼器、引入專門的中間語義表示層，增加模型復(fù)雜度。此外，引入中間語義不能完全表示問句內(nèi)容，會(huì)造成語義損失［18］。

1.3 SQL 子任務(wù)預(yù)測模型

SQL 子任務(wù)預(yù)測模型主要思想，是將SQL 語句拆解成若干個(gè)子SQL 語句，然后分別生成子SQL 語句，最后組合成一個(gè)完整的SQL 語句［19－20］。這類方法可以簡單概括為以下步驟：

（1）將SQL 語句拆分為SELECT－column、SELECTaggregation、WHERE－number、WHERE－column、WHERE－operator、WHERE－value等子SQL 語句；

（2）每個(gè)子SQL 語句都對(duì)應(yīng)著一個(gè)子任務(wù)，每個(gè)子任務(wù)相當(dāng)于一個(gè)分類任務(wù)。子任務(wù)之間各自獨(dú)立，各自生成對(duì)應(yīng)的子SQL 語句，最后組合成一條完整的SQL 語句。

SQL 子任務(wù)預(yù)測模型的子任務(wù)劃分，是通過人工定義規(guī)則完成的，無法拓展到復(fù)雜的SQL 語句；SQL 子任務(wù)預(yù)測模型沒有充分利用句與列之間的依賴關(guān)系，沒有充分利用任務(wù)之間的依賴關(guān)系。

1.4 語言預(yù)訓(xùn)練模型

模型的主要思想，是用語言預(yù)練習(xí)模型BERT［15］捕捉問句與列之間的關(guān)系，利用問句與列之間的關(guān)系生成SQL 語句［21－23］。方法可以簡單概括為以下步驟：

（1）將問句和所有列拼接［21－22］，或者將問題與單個(gè)列進(jìn)行拼接［23］作為輸入，利用語言預(yù)訓(xùn)練模型獲取編碼得到輸出，獲取問句和列之間的關(guān)系；

（2）用類似SQL 子任務(wù)預(yù)測的方法，將完整SQL 分成若干個(gè)子SQL 語句；

（3）對(duì)于每一個(gè)子SQL 語句，通過對(duì)語言預(yù)處理模型的輸出，用線性神經(jīng)網(wǎng)絡(luò)［23］或LSTM（Long Short－Term Memory）［24］進(jìn)行解碼，填充子SQL 語句，最后合并子SQL 語句，得到完整的子SQL 語句。

這類方法的缺點(diǎn)是：SQL 子任務(wù)的劃分是通過人工定義規(guī)則完成；無法拓展到復(fù)雜的SQL 語句；需要額外的LSTM 解碼器完成SQL 語句生成。

1.5 H－Net 模型與上述4 類方法的聯(lián)系與區(qū)別

本文提出混合排序填充網(wǎng)絡(luò)模型（H－Net）的方法與文獻(xiàn)［19－20，23］方法類似，采用了語言預(yù)訓(xùn)練模型和SQL 語句子任務(wù)劃分。但主要有以下不同：

（1）引入模板生成層，可以根據(jù)訓(xùn)練數(shù)據(jù)中的SQL 語句，抽取出SQL 模板，讓模型可以根據(jù)輸入問句不同，選擇不同的模板，進(jìn)而依據(jù)模板可以劃分出不同的SQL 子任務(wù)，在此基礎(chǔ)上生成結(jié)構(gòu)復(fù)雜的SQL 語句；

（2）拓展了填充SQL 子語句的方法，可以生成復(fù)雜的SQL 語句。

2 混合排序填充網(wǎng)絡(luò)模型

在本節(jié)中，將詳細(xì)介紹在混合排序填充模型如何進(jìn)行模板抽取、模板選擇、子任務(wù)劃分和每類子任務(wù)的完成方式，最后介紹了如何進(jìn)行模型訓(xùn)練和SQL 語句預(yù)測。

2.1 模板抽取

首先，為SQL 語句定義上下文無關(guān)文法，如圖1所示。

圖1 SQL 語句的上下文無關(guān)文法Fig.1 Context－free grammar for SQL

與Grappa［25］類似，對(duì)于訓(xùn)練集中SQL 語句s，用上下文無關(guān)文法對(duì)其進(jìn)行解析。對(duì)于每一條SQL語句s，都會(huì)得到一個(gè)SQL 語句的語法結(jié)構(gòu)。

例如，對(duì)于SQL 語句：

利用上下文無關(guān)文法進(jìn)行解析后，得到如圖2所示的SQL 語句的語法結(jié)構(gòu)，并依據(jù)該語法結(jié)構(gòu)進(jìn)行聚類。對(duì)于聚類結(jié)果中的每一類，取該類覆蓋率最高的SQL 語句的語法結(jié)構(gòu)，作為一個(gè)模板Template，將所有模板記為一個(gè)模板集合T。

圖2 SQL 語句的語法結(jié)構(gòu)Fig.2 The syntax structure of an SQL

2.2 輸入表示

2.2.1 定義

問句可以表示為：q

數(shù)據(jù)庫中的一列可以表示為：

其中：type表示列的類型，type∈｛string，number，date，...｝；t為表名；c為列名；為注釋；為列注釋；Concat（·）表示連接操作。

將問句q與列ci組合起來，得到輸入對(duì)（ci，q）。輸入對(duì)經(jīng)過分詞后，得到一個(gè)詞序列：

其中：x1，x2，...，xm表示列ci的詞序列；y1，y2，...，yn表示問句q的詞序列；將［CLS］，x1，x2，...，xm，［SEP］，y1，y2，...，yn，［SEP］作為模型輸入，記為input。

2.2.2 編碼

采用BERT 語言預(yù)訓(xùn)練模型對(duì)輸入進(jìn)行編碼，用于捕捉問句與列之間的關(guān)系，編碼后將獲得一個(gè)隱藏狀態(tài)序列。

2.3 模型

H－Net 模型由語言預(yù)訓(xùn)練模型BERT、模板選擇和模板填充3 部分構(gòu)成。模型結(jié)構(gòu)如圖3 所示。

圖3 H－Net 模型總體結(jié)構(gòu)Fig.3 The structure of H－Net

2.3.1 模板選擇

模板選擇可以認(rèn)為是一種分類任務(wù)，對(duì)于給定問句q，其對(duì)應(yīng)模板記為τ，則有：

P（ci∈Rc ｜q）是問句q與列ci在完整SQL 語句中相似度。

2.3.2 子任務(wù)劃分

假設(shè)一個(gè)SQL 語句模板如圖4 所示。

圖4 一個(gè)SQL 語句模板樣例Fig.4 A template of SQL

根據(jù)SQL 語句模板，可以將預(yù)測SQL 語句拆分為3 類子任務(wù)：

（1）列獨(dú)立任務(wù)：預(yù)測選擇子句所涉及的列Sc，條件子句中所涉及的列Wc，排序子句中所涉及的列Oc和完整SQL 語句中所涉及的列Rc；

（2）列相關(guān)任務(wù)：預(yù)測函數(shù)運(yùn)算符aggregation、條件操作符operator、條件對(duì)應(yīng)的值value、條件對(duì)應(yīng)值的個(gè)數(shù)value_num等；

（3）結(jié)構(gòu)相關(guān)任務(wù)：預(yù)測集合運(yùn)算符rel，連接運(yùn)算符link等。

2.3.3 列與問句相似度計(jì)算

對(duì)于問句q，記Sc是在選擇子句select_clause中所涉及的列；Wc是在條件子句where_clause中所涉及的列；Oc是在排序子句order_clause中所涉及的列；Rc是在完整的SQL 語句中所涉及的列，Rc＝Sc∪Wc∪Oc。

對(duì)于列ci，需要計(jì)算列ci與問句q在不同SQL子句中的相似度，進(jìn)而確定列ci在對(duì)應(yīng)的SQL 子句中是否出現(xiàn)。以下是4 種不同相似度的計(jì)算方式：

在選擇子句select_clause中，列ci與問句q相似度記為P（ci∈Sc ｜q）：

在條件子句where_clause中，列ci與問句q相似度記為P（ci∈Wc ｜q）：

在排序子句order_clause中，列ci與問句q相似度記為P（ci∈Oc ｜q）：

在完整的SQL 語句中，列ci與問句q相似度記為P（ci∈Rc ｜q）：

2.3.4 列獨(dú)立任務(wù)

列無關(guān)任務(wù)，是指在預(yù)測不同SQL 子句中所涉及的列。如：Sc、Wc和Oc。2 種預(yù)測方式為：一是設(shè)置一個(gè)閾值，對(duì)于每一類子句，只保留與問句相似度超過閾值的列；二是對(duì)于每一類子句，預(yù)測一個(gè)n值，只保留與問句相似度排名前n的列。對(duì)于第二種方法，n的計(jì)算過程如下：

（1）選擇子句中的列數(shù)量select_num，記為：

其中，P（ns＝k ｜c(diǎn)i，q）相當(dāng)于一個(gè)分類任務(wù)。

（2）條件子句中的列數(shù)量where_num，記為：

其中，P（nw＝k ｜c(diǎn)i，q）相當(dāng)于一個(gè)分類任務(wù)。

（3）排序子句中的列數(shù)量order_num，記為：

其中，P（no＝k ｜c(diǎn)i，q）相當(dāng)于一個(gè)分類任務(wù)。

2.3.5 列相關(guān)任務(wù)

列相關(guān)任務(wù)，可以認(rèn)為是一種分類任務(wù)，以下是4 種列相關(guān)任務(wù)的計(jì)算方式：

（1）選擇子句中函數(shù)運(yùn)算符aj：

（2）條件子句中的條件操作符oj：

（3）條件子句中的列對(duì)應(yīng)的值value：

首先，需要預(yù)測條件對(duì)應(yīng)值的個(gè)數(shù)value_num記為nv，

對(duì)于條件對(duì)應(yīng)的第k個(gè)值valuek，只需要指出valuek在問句中開始位置和結(jié)束位置：

開始位置：

結(jié)束位置：

（4）排序子句中的運(yùn)算符orj：

2.3.6 結(jié)構(gòu)相關(guān)任務(wù)

（1）對(duì)于集合運(yùn)算符rel：

（2）對(duì)于連接運(yùn)算符link：

其中，P（rel＝k ｜c(diǎn)i，q）、P（link＝k ｜c(diǎn)i，q）均相當(dāng)于一個(gè)分類任務(wù)。

2.4 訓(xùn)練與預(yù)測

2.4.1 訓(xùn)練階段

輸入（qi，cj）。其中，qi是第i個(gè)問句，UC＝｛c1，c2，...，cL｝ 是數(shù)據(jù)庫表中所有列，cj∈UC。

標(biāo)簽：與qi對(duì)應(yīng)的SQL 語句。

優(yōu)化目標(biāo)：最小化每一類子任務(wù)的交叉熵?fù)p失

2.4.2 預(yù)測階段

（1）通過式（2）選擇模板，進(jìn)行SQL 語句子任務(wù)劃分；

（2）根據(jù)式（4）計(jì)算列與問句在選擇子句中的相似度、排序；通過式（8）預(yù)測選擇子句中的列的數(shù)量，取相似度前的列（cs1，cs2，...，），根據(jù)式（14）計(jì)算每個(gè)列對(duì)應(yīng)的函數(shù)運(yùn)算符，得到選擇子句select_clause：

（3）根據(jù)式（5）計(jì)算列與問句在條件子句中的相似度、排序；通過式（10）預(yù)測條件子句中列的數(shù)量，取相似度前的列（cw1，cw2，...，），根據(jù)式（15）計(jì)算每個(gè)列對(duì)應(yīng)的條件操作符，根據(jù)式（16）～（18）計(jì)算每個(gè)列對(duì)應(yīng)的值，得到條件子句where_clause：

（4）根據(jù)式（6）計(jì)算列與問句在排序子句中的相似度；通過式（12）預(yù)測排序子句中列的數(shù)量，取相似度前的列（co1，co2，...，），根據(jù)式（19）計(jì)算每個(gè)列對(duì)應(yīng)的操作符，得到排序子句order_clause：

（5）通過式（20）和（22）預(yù)測SQL 語句的結(jié)構(gòu)信息，得到；

（6）根據(jù)上述子句所選擇出的列，可知這些列所對(duì)應(yīng)的表。即S是上述子句所對(duì)應(yīng)的表，S＝［t1，t2，...，tnt］，就可以得到from子句：

（7）根據(jù)表S之間的外鍵和主鍵的關(guān)系，找到表S之間的最短路徑，將最短路徑上表之間的連接條件加入到條件子句中。

經(jīng)過上述步驟，可以得到不同SQL 的子句。根據(jù)SQL 子句類型，將SQL 子句填充到模板中對(duì)應(yīng)的位置，最后得到完整的SQL 語句。

2.5 執(zhí)行指導(dǎo)與SQL 語句剪枝

在SQL 語句的預(yù)測階段，部分生成的SQL 語句也可以被執(zhí)行?？筛鶕?jù)部分生成的SQL 語句，以及在數(shù)據(jù)庫上執(zhí)行的結(jié)果，調(diào)整SQL 語句的生成，這被稱為執(zhí)行指導(dǎo)（Execution Guided，EG）［26］。執(zhí)行指導(dǎo)的作用相當(dāng)于剪枝，限制模型在解空間中的搜索范圍，去除不滿足要求的搜索路徑。

3 指令序列轉(zhuǎn)換

3.1 數(shù)據(jù)集說明

本文構(gòu)建的文本到指令序列數(shù)據(jù)集為JSON 格式，采用JSON 格式是為了方便表示指令序列。數(shù)據(jù)集包含2 312 條（問句與JSON 語句對(duì)）。其中，1 923條數(shù)據(jù)是一個(gè)問句對(duì)應(yīng)一條JSON 語句，389條數(shù)據(jù)是一個(gè)問題對(duì)應(yīng)2 條JSON 語句。問句類型多為基于多條件查詢匹配的答案檢索。

JSON 語句由method、url、params 3 部分構(gòu)成。params 內(nèi)包含多個(gè)參數(shù)（param），每個(gè)參數(shù)param 又由name、option、value 組成。參數(shù)param 的2 種類型如下：

（1）直接參數(shù)：value值直接出現(xiàn)在問句中。如圖5 中參數(shù)create_time 和create_org；

（2）間接參數(shù)：value值不直接出現(xiàn)在問句中。如圖5 中的參數(shù)columns。

對(duì)于這2 種參數(shù)，在指令轉(zhuǎn)換中有各自的處理方式。

問句與JSON 語句對(duì)示例如圖5 所示。

3.2 指令轉(zhuǎn)換

為了使用Text2SQL 技術(shù)，需要將JSON 語句轉(zhuǎn)換成SQL 語句。轉(zhuǎn)換過程如下：

3.2.1 構(gòu)建表

構(gòu)建規(guī)則如下：

根據(jù)圖5 中的JSON 語句，可以構(gòu)建出的結(jié)構(gòu)見表1。

圖5 問句與JSON 語句示例Fig.5 （question，JSON）pair

表1 圖5 中JSON 對(duì)應(yīng)的數(shù)據(jù)表Tab.1 The table corresponding to JSON in Fig.5

3.2.2 JSON 語句轉(zhuǎn)換為SQL 語句

轉(zhuǎn)換規(guī)則如下所示：

對(duì)于直接參數(shù)，轉(zhuǎn)換后參數(shù)被放置在條件子句where_clause 中；對(duì)于間接參數(shù)，轉(zhuǎn)換后的參數(shù)被放置在選擇子句select_clause 中；url 被放置在from 子句中。根據(jù)圖5 中的JSON 語句，可以轉(zhuǎn)換成如圖6所示的SQL 語句。

圖6 圖5 中JSON 對(duì)應(yīng)的SQL 語句Fig.6 The SQL corresponding to JSON in Fig.5

3.2.3 數(shù)據(jù)整合

經(jīng)過從JSON 抽取并構(gòu)建表，可以得到28 個(gè)表組成的數(shù)據(jù)庫表集合；經(jīng)過將JSON 語句轉(zhuǎn)換為SQL 語句，可以得到新的2 312 條（問句與SQL 語句）對(duì)；將2 312條（問句，SQL 語句）對(duì)和數(shù)據(jù)庫表集合，作為新數(shù)據(jù)集，用于模型訓(xùn)練、驗(yàn)證和測試。

4 實(shí)驗(yàn)結(jié)果

將2 312 條數(shù)據(jù)中的1 800 個(gè)數(shù)據(jù)對(duì)用于訓(xùn)練集，100 個(gè)數(shù)據(jù)對(duì)用于驗(yàn)證集，412 個(gè)數(shù)據(jù)對(duì)用于測試集。

表2 展示模型使用不同語言預(yù)訓(xùn)練模型［27］，以及在使用執(zhí)行指導(dǎo)和不使用執(zhí)行指導(dǎo)的情況下，模型在驗(yàn)證集和測試集上的邏輯準(zhǔn)確率。邏輯準(zhǔn)確率是指預(yù)測的SQL 語句和標(biāo)簽SQL 語句完全一致的比例。

表2 不同模型在數(shù)據(jù)驗(yàn)證集和測試集上的邏輯準(zhǔn)確率Tab.2 Logical form accuracy on dataset

參考WikiSQL 數(shù)據(jù)集［13］和Spider 數(shù)據(jù)集［14］的評(píng)價(jià)方式，將SQL 語句劃分為不同子SQL 語句，分別評(píng)測模型在每類子SQL 語句對(duì)應(yīng)的子任務(wù)上的準(zhǔn)確率。表3 展示模型在每類子任務(wù)上、在使用和不使用執(zhí)行指導(dǎo)的情況下，模型在驗(yàn)證集和測試集上邏輯準(zhǔn)確率。

表3 不同模型在數(shù)據(jù)驗(yàn)證集和測試集上每類子任務(wù)的邏輯準(zhǔn)確率Tab.3 Logical form accuracy of each task on dataset

5 結(jié)束語

本文研究利用語言預(yù)訓(xùn)練模型和深度學(xué)習(xí)來進(jìn)行文本到指令序列的翻譯，提出了一種混合排序填充網(wǎng)絡(luò)模型，該模型可以很好地利用語言預(yù)訓(xùn)練模型的特點(diǎn)，并且能處理復(fù)雜的SQL 語句。經(jīng)在自構(gòu)建的文本到指令序列數(shù)據(jù)集上測試，取得了很好的實(shí)驗(yàn)結(jié)果，翻譯結(jié)果的邏輯準(zhǔn)確率可以達(dá)到89.1%。