确定子句文法

转载自：https://mp.weixin.qq.com/s/dBwRTNeXKZi7Oux_wMWIYw

本章有两个主要目标：

1.  介绍上下文无关文法(CFGs)及其相关概念。

2.  介绍确定子句文法（DCGs），这是一种内置的prolog机制，用于处理上下文无关文法（以及其他类型的语法）。

 

 

1   上下文无关文法

Prolog已被用于许多目的，但是其发明者Alain Colmerauer对计算语言学很感兴趣，而这仍然是该语言的经典应用。而且，Prolog提供了许多工具，可以简化计算语言学家的生活，现在我们将开始学习以下最有用的工具之一：定义子句语法，或通常称为DCGs的语法。

DCGs是用于定义语法的特殊符号。因此，在进一步学习之前，我们最好学习一下语法。我们将通过讨论上下文无关语法（或CFGs）来做到这一点。上下文无关语法的基本概念很容易理解，但是不要误以为CFGs是玩具。他们不是。尽管CFGs的功能不足以应付所有自然语言的语法结构（即人类使用的语言），他们当然可以以一种相当自然的方式处理许多自然语言（例如英语和法语）的语法的大部分方面。

那么什么是上下文无关的语法？从本质上讲，这是一个有限的规则集合，它告诉我们某些句子在语法上（即在语法上是正确的）以及它们的语法结构实际上是什么。这是一小段英语的简单上下文无关语法：

 

s -> np vp

np -> det n

vp -> v np

vp -> v

det -> a

det -> the

n -> woman

n -> man

v -> shoots

 

这个小语法的成分是什么？好吧，首先请注意它包含三种类型的符号。有->，用于定义规则。然后是这样写的符号：s，np，vp，det，n，v。这些符号称为非终结符；我们将很快了解原因。这些符号中的每一个在语言学上都有传统的含义：s是句子的缩写，np是名词短语的缩写，vp是动词短语的缩写，det是确定词的缩写。即，这些符号中的每一个都是语法类别的简写。最后是符号：a，the，woman， man，和shoots。这些是终端符号，尽管计算机科学家可能将其称为字母，而语言学家可能将其称为词汇。我们通常只会称呼他们为单词。

该语法包含九个上下文无关的规则。上下文无关的规则由单个非终结符组成，后跟->，然后是由终结符和/或非终结符组成的有限序列。上面列出的所有九个项目都具有此格式，因此它们都是合法的上下文无关规则。这些规则是什么意思？他们告诉我们如何建立不同的语法类别。阅读->可以包含或可以构建。例如，第一个规则告诉我们，一个句子可以由一个名词短语和一个动词短语组成。第三个规则告诉我们，动词短语可以由动词后跟名词短语组成，而第四个规则告诉我们，还有另一种方法可以 建立动词短语：只需使用动词即可。最后五个规则告诉我们，a和the是决定因素，man和woman是名词，而shoots是动词。

现在考虑一下woman shoots man的那句话。根据我们的小语法，这是语法吗？如果是的话，它具有什么结构？以下树回答了两个问题：

 

在顶部，我们有一个标记为s的节点。该节点有两个子节点，一个标记为np，一个标记为vp。请注意，该图的这一部分与语法的第一条规则一致，该规则说s可以由np和vp构成。 （语言学家会说这棵树的这部分是由第一条规则许可的。）实际上，正如您所看到的，树的每一部分都由我们的一条规则许可。例如，标记为np的两个节点是根据规则许可的，该规则说np可以包含det后跟n。并且，在图的底部，女人开枪打男人的所有词都是有规则的。顺便提一下，请注意，终端符号仅装饰树底部的节点（终端节点），而非终端符号仅装饰树中较高的节点（非终端节点）。

这样的树称为解析树。解析树很重要，因为它们为我们提供了两种信息。首先，它们给我们有关字符串的信息。其次，它们给我们有关结构的信息。这是要把握的重要区别，因此，让我们仔细看看，并在此过程中学习一些重要的术语。

首先，如果给我们一串单词和一个语法，结果证明我们可以像上面的树一样构建一个解析树（即，树的顶部节点为，树中的每个节点被语法许可，并且我们给的单词字符串沿终端节点以正确的顺序列出），然后我们说该字符串是符合语法的（根据给定的语法）。例如，根据我们的小语法，a woman shoots a man的字符串是语法上的（实际上，任何合理的英语语法都将其分类为语法上的）。另一方面，如果没有这样的树，则字符串是不合语法的（根据给定的语法）。例如， 根据我们的小语法，字符串woman a woman man a shoots是不合语法的（英语的任何合理语法都将其归为不合语法的）。语法生成的语言由语法分类为语法的所有字符串组成。例如，a woman shoots a man也属于我们的小语法所产生的语言，a man shoots the woman也是如此。上下文无关识别器是一种程序，可以正确地告诉我们字符串是否属于上下文无关语法生成的语言。换句话说，识别器是一种将字符串正确分类为语法或非语法（相对于某种语法）的程序。

但是在语言学和计算机科学中&#x