一种改进的布尔表达式自下而上分析的语法制导翻译的方法

本文针对文献[1]中布尔表达式文法和语义子程序不能适用于算法优先分析的语法制导翻译法的局限，从算符优先分析法和语法制导翻译的定义及本质特点出发，提出了一种改进方法，实现了算符优先分析制导翻译布尔表达式。     

算符优先分析法推广的补充算法

针对推广算符优先分析法的过程中遇到的几个问题,提出自己的相应的解决算法,并以此为理论基础改造了一些原不满足算符优先分析法条件的文法,使算符优先分析法推广到非算术表达式的领域。     

算符优先分析法推广的补充算法

本文针对推广算符优先分析法的过程中遇到的几个问题，提出相应的解决算法，并以此为理论基础改造了一些原不满足算符优先分析法条件的文法，使算符优先分析法推广到非算术表达式的领域。     

基于局部图结构的链接预测模型

链接预测是基于已知的部分图数据来预测节点之间未被观测到的边或者未来可能产生的边的任务。链接预测领域目前最表现最佳的方法是,对所有目标节点对提取周围的低阶邻居小图,使用小图做图分类预测链接的方法。然而,这种方法的稳定性和性能受限于图的局部结构特异性。提出的方法在上述算法的基础上进行了改进。该算法根据目标节点周围节点的结构特征计算周围节点优先值,根据优先值筛选出高优先值的节点集合,并同时选出一定数量的随机节点,共同组成封闭子图,提取子图特征进行链接预测。实验表明,该算法有效提高了在不同结构的图数据上选出的小图的精准性和稳定性,显著提升了链接预测的效果。     

EGG图文法语法分析算法的研究

EGG是一种基于边的上下文相关图文法形式化框架,其语法分析(归约操作)算法是该文法重要的组成部分。在简要介绍EGG的基础上,给出了EGG语法分析算法的设计,其中包括子图匹配算法、子图替换算法和算法计算复杂性的分析。为了展示如何用EGG来定义图语言,特别是如何用所设计的归约算法来分析图,文中以程序流程图为例,给出了相关的EGG形式定义以及对一个具体流程图的归约过程,并探讨了可能降低分析算法复杂性的一些途径。     

自适应EFSM可执行测试序列生成

基于扩展有限状态机(EFSM)模型自动生成测试序列可以提高测试效率.由于EFSM模型包含丰富的变量和谓词条件,它们之间的冲突可能导致自动生成的测试序列不可执行.对EFSM变迁及变迁之间的关联关系进行了详细的讨论和分析,定义了一个邻接变迁关联图,提出了一种自适应EFSM可执行测试序列生成算法.新算法首先根据变量和谓词包含情况对变迁进行分类,然后深入挖掘了邻接变迁之间的关联关系,最后,基于自适应预测搜索函数启发式引导可达性分析树扩展生成可执行的测试序列.实验数据表明,与宽度优先可达性分析方法相比,新算法可以有效降低可达性分析过程中产生状态空间爆炸问题的概率,从而提高测试序列自动生成的效率.在最坏的情况下,新算法的计算时空复杂度也等同于宽度优先算法.     

算符优先分析器的自动生成探讨

算符优先分析法是一种自底向上的语法分析技术,特别适合对表达式的分析.本文讨论了该分析器的自动生成技术,并给出了一个自动生成器.该生成器可以用于教学,也可以用于生成一个实际的用于源语言文法分析的算符优先分析器.     

基于模型的Fuzzing测试脚本自动化生成

针对基于知识的Fuzzing测试技术存在脚本编写工作量大的问题,提出一种基于模型的Fuzzing测试脚本自 动生成方法。方法首先以高阶属性文法形式化地描述数据模型,获取统一的、与测试环境无关的数据格式描述;然后 依据文法模型,将样本解析为带格式知识的文法分析树;最后建立文法分析树与测试逻辑的关联关系,实现自动化的 测试脚本生成。实验结果表明,所提出的方法能够自动生成有效的测试脚本,并发现软件中潜在的安全漏洞。     

一个基于格语法和转换策略的日汉机器翻译系统

本文介绍一个基于规则和转换翻译策略的日汉机器翻译系统的设计和实现.该系统的日语分析采用了基于短语结构文法和格语法的句法、语义分析技术.在句法分析中识别出动词短语时,利用动词格框架进行格短语的格角色识别.分析规则采用了复杂特征集和合一运算,并按层次进行设计.日语分析结果为带格角色标记的日语分析树.基于得到的日语分析树,系统采用了转换/生成一体化的汉语生成策略,按深度优先遍历分析树转换/生成汉语.另外,该翻译系统在基于规则的主框架之上,还辅助以翻译记忆的方法.本文的系统参加了863组织的三次机器翻译评测,其中,在2005年的评测中,自动评测的结果(NIST)为6.3052(对话)和6.7836(篇章).     

基于容错Earley解析算法的领域语义文法自动学习方法

精细化的领域文本分析是高质量领域知识获取的重要前提,它通常依赖于大量某种形式的语义文法产生式,但总结这些文法通常耗时耗力.对此,文中提出了 一种基于容错Earley解析算法的语义文法自动学习方法,根据种子文法自动生成新的语义文法(包括词类和文法产生式),以减少人工成本.该方法利用优化后的容错Earley解析器,对输入的语句进行容错解析,然后根据容错解析生成的解析树产生候选语义文法,最后对候选语义文法进行过滤或纠正得到最终的语义文法.在5种不同疾病的中医医案的实验中,该方法的词类学习的正确率达到63.88％,文法产生式学习的正确率达到81.78％.     

句法分析中基于词汇化树邻接语法的数据增强方法

句法分析是自然语言处理的基础技术,主流的由数据驱动的神经网络句法分析模型需要大规模的标注数据,但是通过人工标注扩展树库成本很高,因此如何利用现有标注树库进行数据增强成为研究焦点。在汉语句法分析的数据增强任务中,对于给定的标注树库,要求数据增强所生成的句子满足如下条件：第一,要求生成句具有多样化且完整的句法树结构;第二,要求生成句具有合理的语义。对此,我们首次提出基于词汇化树邻接语法的数据增强方法。针对第一个需求,该文设计实现基于词汇化树邻接语法的词汇化树抽取算法与句法树合成算法,基于该语法可以在句法树之间进行“接插”和“替换”的操作,从而推导生成新的句法树,并且用语言学的知识保证生成句符合语法规则且具有完整的句法树结构。针对第二个需求,该文利用语言模型对生成句进行语义合理性评估,选取语义合理的句子作为最终的增强数据,从而获取高质量的标注树库。我们以汉语为例开展研究,在汉语树库CTB5上进行句法分析的数据增强评测实验。实验结果显示,在小样本(CTB5的20%)实验中,通过该方法得到的增强数据使依存句法分析和成分句法分析的精度分别提高1.39%和2.14%。在鲁棒性实验中,该文通过构建扩展...     

基于Earley算法的多功能雷达文法概率快速学习算法

针对基于随机上下文无关文法（SCFG）建模的多功能雷达（MFR）概率学习问题,在传统Inside-Outside（IO）算法和Viterbi-Score（VS）算法的基础上,提出一种基于Earley算法的多功能雷达文法概率快速学习算法。该算法通过对截获的雷达数据进行预处理,构造可以反映派生过程的Earley剖析表,并且基于最大子树概率原则从剖析表中提取出最优剖析树,利用改进的IO算法和改进的VS算法对文法概率进行学习,实现MFR参数估计,得到文法参数后,再利用Viterbi算法对MFR状态进行估计。理论分析和实验仿真表明,与IO算法和VS算法相比,改进算法在保持估计精度的同时,可以有效降低计算复杂度和减少运行时间,验证了Earley算法能够提高文法概率的学习速度。     

基于局部优先和嵌套层次的二元组合语法分析模型

依存语法中由于缺乏对句法功能结构的描述机制,不能显性表达某些复杂的句法结构.修饰词的嵌套层次虽是语用学的常识,却极少有语法分析模型考虑该信息.针对这两个问题,文中提出一种融合嵌套层次的生成性二元组合语法分析模型.该模型将句子的构成看作按中心词进行的相邻语块的两两组合,应用组合关系之间的优先级和嵌套层次来约束句法树的生成.通过转换依存树库得到二元组合语法树库,然后基于该树库自动获取语法关系、优先级信息和模型参数,构建二元组合语法分析模型.实验结果表明该模型能有效提高句法分析的正确率.     

一种有效的概率上下文无关文法分析算法*

句法分析的研究是自然语言处理领域的一个重要组成部分。该提出并实现了一种有效的概率上下无关法ＳＣＦＧ（ｓｔｏｃｈａｓｔｉｃ ｃｏｎｔｅｘｔ－ｆｒｅｅ ｇｒａｍｍｅｒ）的分析算法。首先对原有的ＧＬＲ分析有加以改造，以便能够利用分析过程的控制结构来计算有关的概率；然后对分析过程中的每个状态增设了下标，以区分不同的归约路径。通过上述手段，成功地引入了状态的前向（Ｆｏｒｗａｒｄ）概率和内（Ｉｎｎｅｒ）     

基于改进线图分析算法的浅层汉语句法分析器的设计与实现

针对传统的汉语句法分析算法进行改进,采用了自底向上与自顶向下相结合的线图分析方法,分析、设计和实现了一个汉语句法分析原型系统.该系统实现了基于最大词长匹配算法的分词模块、基于统计方法的词性标注模块和基于改进的线图分析算法的句法分析模块.最后对系统进行小规模中文文本试验测试,测试结果表明利用改进的分析算法,使得句法分析效率和分析结果的准确率均有一定程度的提高.     

Weak Precedence Story Parsing Grammar

Story understanding is one of the important branches of natural language understanding research in AI techniques.The story understanding approach based on Story Parsing Grammar (SPG) involves that SPG is used to represent different abstracting processes of stories with different levels in story understanding and that the story understanding process is converted to the recognition process of stories using the syntactic parser of SPG.This kind of story understanding is called story parsing.In this paper,firstly a subclass of SPG,called Weak Precedence SPG(WPSPG),is defined.Afterwards the syntactic parsing algorithm of WPSPG is studied.An example of story parsing is also given.     

一种新的面向领域的鲁棒性文本分析算法

在自然语言处理的应用中,特别是在对口语文本、网络文本的处理中,待分析的文本经常会包含字词和句式上的错误。该文描述了一种基于线图分析方法改进的鲁棒性文本分析算法。该算法利用当前活动弧和规则库中的终结符,对基于领域词表的分词过程无法识别的语句串进行错误推测,将无法识别的语句串纠正为可能的正确文字。实验结果表明,在采用拼音的同音匹配进行推测纠错的情况下,该文所设计的鲁棒性文本分析算法相对于燕方法,分析度提高了14.78%,而语句平均分析循环次数增长为9.363%。     

Story Parsing Grammar

Story understanding is one of the important branches of natural language understanding research in AI techniques.A new approach to story understanding is proposed in this paper.The so-called Story Parsing Grammar (SPG) is used to represent the story abstracting processes with different degrees in story understanding,and the story understanding process is converted to the storyn recognizing process done by the syntactic parser of SPG.This kind of story understanding is called story parsing.In this paper,firstly,a survey of story understanding research is given.Secondly,by the classification of various kinds of story structures,the so-called Case Frame Forest (CFF) is proposed to represent the superficial meaning of story.Based on CFF,a high-dimen-sional grammar,called Forest Grammar (FG),is defined.Furthermore,SPG is defined as a subclass of context-sensitive FG.Considering the context-sensitivity of story content,a type of context-sensitive derivation is defined in the definition of SPG.Lastly,data about runtime efficiency of the syntactic parsing algorithm of weak precedence SPG,a subclass of SPG,are given and analysed.     

基于Earley剖析的多功能雷达文法参数估计算法

针对基于随机上下文无关文法(Stochastic Context-Free Grammar,SCFG)建模的多功能雷达(Multi-Function Radars,MFR)参数估计问题的研究,在原有Inside-Outside(IO)算法和Viterbi-Score(VS)算法的基础上,提出一种基于Earley剖析的多功能雷达文法参数估计算法——EIO算法。该算法将IO算法与Earley剖析相结合,通过对截获的雷达数据进行预处理,可以处理任意形式的文法产生式,对文法产生式概率进行学习,从而实现MFR文法参数估计。通过理论分析和实验仿真,EIO算法可以在减少计算复杂度、记忆复杂度和运行时间的同时,有效保持文法参数估计精度,论证了方法的正确性和有效性。     

基于期待类型的Chart句法分析算法

Chart算法是目前句法分析中应用最广泛的算法之一,但该算法的计算效率仍有待提高。通过对两种常用Chart算法的分析,提出一种以由底向上的Chart算法为基础,结合自顶向下Chart算法的预测能力的算法。算法按严格从左到右、由底向上的方向进行,根据已有活动边的活动角色类型和句法规则,产生当前词位置上的期待类型表,并以此限制后续边的生成。对比实验的结果表明,分析速度较普通Chart算法提高了约24%,同时也减少了一半以上因边池溢出而导致的分析失败的语句。