随着大数据技术和移动互联网的迅猛发展,数据已成为企业和个人的重要资产,挖掘与分析数据的相关技术成为大数据时代下的关注焦点。由于需要通过专业编程语言(如SQL语句)来与数据库进行交互,当前主流数据分析技术的应用仍有较高门槛。如何通过技术革新降低使用成本已成为业内研究热点。自动TXT2SQL技术应运而生,通过将自然语言问询转化成可执行的查询语句,提供给用户智能接口功能。然而在真实场景应用中现有技术还存在诸多问题:1)在生成句式方面,现有主流技术仅针对于简单SQL句法,无法有效生成复杂语句;2)在数据库表结构方面,现有技术主要针对于单表或者同领域场景,无法有效适用于复杂结构场景;3)在算法模型实践方面,高精度的开放系统较少,仍缺乏TXT2SQL系统的实践经验。针对于以上问题,本文进行了自动TXT2SQL关键算法与系统的探索、研究与实现,主要工作包括:(1)提出并实现了一套适用于复杂SQL语句生成场景下的解决方案,包括一个解码端搜索受限的模型(Intermediate-Representation-Network)和一套简洁生成语法,解决了现有方法于复杂语句生成困难的问题,在公开数据集上较先前的最优模型精度提升19.5%;(2)研究并实现了一种适用于复杂表结构场景下的编码表示方案,包括一个类型链接方法和一个图表示结构,并在公开数据集上达到了 6.2%的性能提升,缓解了多表和跨领域场景下的语句生成问题;(3)在医疗眼科领域,融合本文提出的算法模型,设计并实现了一个基于人工智能算法的医疗眼科预问诊系统,通过智能对话交互的方式为用户提供患者病情采集、预测和分析等功能,缩短用户问诊时间,从实际角度上验证本文提出两种算法的适用性。