datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
NL2SQL-Queriesnl2sql-deduplicated
NL2SQL Deduplicated Training Dataset
A curated and deduplicated Text-to-SQL training dataset with 683,015 unique examples from 4 high-quality sources.
📊 Dataset Summary
Total Examples: 683,015 unique question-SQL pairs
Sources: Spider, SQaLe, Gretel Synthetic, SQL-Create-Context
Deduplication Strategy: Input-only (question-based) with conflict resolution via quality priority
Conflicts Resolved: 2,238 cases where same question had different SQL
SQL Dialect: Standard SQL… See the full description on the dataset page: https://huggingface.co/datasets/AsadIsmail/nl2sql-deduplicated.NL2SQL_zh整合了3个中文数据集：追一科技NL2SQL，西湖大学的CSpider中文翻译，百度的DuSQL。
进行了大致的清洗，以及格式转换（alpaca）：
假设你是一个数据库SQL专家，下面我会给出一个MySQL数据库的信息，请根据问题，帮我生成相应的SQL语句。当前时间为2023年。格式如下：{'sql':sql语句}
MySQL数据库数据库结构如下：\n{表名（字段名...）}\n 其中:\n{表之间的主外键关联关系}\n 对于query：“{问题}”，给出相应的SQL语句，按照要求的格式返回，不进行任何解释。
其中，DuSQL最终结果是25004个。NL2SQL最终结果45919个，注意表名是乱码。CSpider，最终结果7786条，注意数据库是英文的，问题是中文的。
最终形成的文件，一共78706条，文件样例:
{
"instruction": "假设你是一个数据库SQL专家，下面我会给出一个MySQL数据库的信息，请根据问题，帮我生成相应的SQL语句。当前时间为2023年。",
"input":… See the full description on the dataset page: https://huggingface.co/datasets/lorinma/NL2SQL_zh.nl2sqlriv25_aim410_nl2sql_toolcallsouthwest-dqe-nl2sql
Southwest DQE NL2SQL
Interview-oriented natural language to SQL examples for a Data Quality Engineer role centered on:
Kafka → S3 Bronze (JSONL) → Glue/Spark → Silver/Gold Parquet → Redshift
Contents
Curated rows covering null profiling, window-function dedup, source/target reconciliation, SCD Type 2, quarantine reasons, and Bronze/Silver/Redshift balance checks
Filtered slice of gretelai/synthetic_text_to_sql focused on analytics, joins, windows, CTEs, and… See the full description on the dataset page: https://huggingface.co/datasets/AryaYT/southwest-dqe-nl2sql.nl2sql_datasetnl2sql-reasoning-tracenl2sql_food_fieldnamemultilingual-nl2sql-datasets-gen_data_spidernl2sql-500knl2sql_general_ability
Dataset Card for "nl2sql_general_ability"
More Information needed
nl2sqldatamultilingual-nl2sql-datasets-filterednl2sql-datasetMed-NL2SQLnl2sql_datasetnl2sql_general_ability_enhanced
Dataset Card for "nl2sql_general_ability_enhanced"
More Information needed
NL2SQLnl2sqlnl2sql_qna_pairnl2sql-patent-paper-100
NL2SQL-Patent-Paper-100 数据集
首个面向专利和论文检索的中文 NL2SQL 数据集，包含自然语言查询到结构化检索表达式的转换对。
数据集概述
数据集摘要
本数据集包含 100 条专利/论文检索领域的 NL2SQL 样本，每条数据包含：
中文自然语言查询（query）
对应的半结构化检索表达式（nl2sql）
英文翻译版本
这是更大规模数据集（742条）的样本子集，用于社区验证和基线测试。
支持的任务
Text-to-SQL：自然语言到结构化查询转换
语义解析：自然语言理解到形式化表达
信息检索：专利/论文检索查询理解
机器翻译：中英技术文本翻译
语言
中文（简体）
英文
领域
专利检索
学术论文检索
知识产权
数据集结构
数据字段
字段名
类型
描述
示例
id
int
唯一标识符
4… See the full description on the dataset page: https://huggingface.co/datasets/KyrieSun/nl2sql-patent-paper-100.nl2sqlnl2sqlnl2sql-1229-10kmultilingual-nl2sql-datasets-gen_datanl2sql_newNL2SQL_zh整合了3个中文数据集：追一科技NL2SQL，西湖大学的CSpider中文翻译，百度的DuSQL。
进行了大致的清洗，以及格式转换（alpaca）：
假设你是一个数据库SQL专家，下面我会给出一个MySQL数据库的信息，请根据问题，帮我生成相应的SQL语句。当前时间为2023年。格式如下：{'sql':sql语句}
MySQL数据库数据库结构如下：\n{表名（字段名...）}\n 其中:\n{表之间的主外键关联关系}\n 对于query：“{问题}”，给出相应的SQL语句，按照要求的格式返回，不进行任何解释。
其中，DuSQL最终结果是25004个。NL2SQL最终结果45919个，注意表名是乱码。CSpider，最终结果7786条，注意数据库是英文的，问题是中文的。
最终形成的文件，一共78706条，文件样例:
{
"instruction": "假设你是一个数据库SQL专家，下面我会给出一个MySQL数据库的信息，请根据问题，帮我生成相应的SQL语句。当前时间为2023年。",
"input":… See the full description on the dataset page: https://huggingface.co/datasets/TieLu/NL2SQL_zh.filter_nl2sql
Dataset Card for "filter_nl2sql"
More Information needed
qatar-customs-nl2sql
Qatar Customs NL2SQL — Arabic Natural Language to SAP HANA SQL
Fine-tuning dataset for converting Arabic natural language questions into SAP HANA SQL queries for the Qatar General Directorate of Customs (GDC) database.
Dataset Overview
Metric
Value
Total question sets
99
Training examples
320 (3 fuzz levels × 80 questions + 80 follow-ups)
Test examples
76 (3 fuzz levels × 19 questions + 19 follow-ups)
Language
Arabic 🇶🇦 (formal + dialectal)
SQL… See the full description on the dataset page: https://huggingface.co/datasets/replysadiq/qatar-customs-nl2sql.