Bài tập lớn: Lý thuyết ngôn ngữ

Chia sẻ: Ngo Van Toan | Ngày: | Loại File: PPT | Số trang:30

Thêm vào BST

Báo xấu

201
lượt xem 37
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Cách dùng otomat hữu hạn để mô tả một loạt các từ vựng là một kỹ thuật đã được khẳng định. Có thể ứng dụng mang tính truyền thống. Nó được tìm thấy trong cấu trúc lệnh nơi mà ôtômat có thể được sử dụng để làm mẫu và thực hiện những phân tích từ vựng học mang tính hiệu quả.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài tập lớn: Lý thuyết ngôn ngữ

BÀI TẬP LỚN: LÝ THUYẾT NGÔN NGỮ ỨNG DỤNG CỦA VĂN PHẠM VÀ AUTOMATA
THÀNH VIÊN NHÓM 4 CÙNG THỰC HIỆN: NGUYỄN NGỌC TÂM 1. NGUYỄN THỊ SEN 2. NGUYỄN THỊ SÁNG 3. NGUYỄN THỊ HỒNG THẮM 4. CÙNG SỰ HƯỚNG DẪN CỦA TH.s TRẦN XUÂN SANG GIÁO VIÊN CHUYÊN MÔN
PHẦN I: ỨNG DỤNG CỦA AUTOMATA HỮU HẠN TRONG VIỆC PHÂN TÍCH TỪ VỰNG MỞ RỘNG Applic atio ns o f finite Auto mata Re pre s e nting larg e Vo c abularie s
GIỚI THIỆU Cách dùng otomat hữu hạn để mô tả một loạt các từ vựng là một kỹ thuật đã được khẳng định. Có thể ứng dụng mang tính truyền thống. Nó được tìm thấy trong cấu trúc lệnh nơi mà ôtômat có thể được sử dụng để làm mẫu và thực hiện những phân tích từ vựng học mang tính hiệu quả. Ứng dụng của ôtmat hữu hạn để giải quyết một vài vấn đề đặc biệt trong việc xử lý ngôn ngữ tự nhiên là khá phổ biến. Tuy nhiên, ý tưởng gói gọn các “từ vựng mở rộng” vào otomat đơn định và nhiều ứng dụng của nó dường như còn mang tính mới mẻ.
Cơ sở để thúc đẩy cho nghiên cứu này là một chương trình kiểm tra lỗi chính tả áp dụng cho hầu hết các ngôn ngữ. Cho ví dụ , chương trình kiểm tra chính tả mà chúng ta đề cập có thể xử lý khoảng 30.000 từ mỗi giây, với automat hơn 200.000 từ đặt vừa khít vào 124 kbytes bộ nhớ.
Trong chủ đề này chúng ta sẽ bàn đến chi tiết những vấn đề sau: 1. Thực hiện kiểm tra chính tả dựa trên ôtmat 2. Mô tả thuật toán và cấu trúc dữ liệu được sử sụng 3. Một vài sự thống kê và đo lường 4. Một vài ứng dụng
1. Thực hiện kiểm tra chính tả dựa trên ôtmat Một trong những chương trình kiểm tra chính tả được sử dụng rộng rãi nhất là chương trình UNIX Spell. Chương trình này thực hiện kiểm tra bằng cách loạI bỏ từ được cho khỏi tiền tố của nó, cho ví dụ: Re- work –ed  work và over – tak- ing  take. Bằng cách sử dụng việc loại bỏ tiền tố, từ điển ban đầu khoảng 250.000 từ vựng đã giảm xuống còn 30.000 từ . Tuy nhiên, việc loại bỏ phụ tố( bao gồm tiền tố và hậu tố) có thể dẫn đến việc chấp nhận những từ không tồn tại. Thêm nữa, chương trình kiểm tra sẽ chấp nhận những từ không có nghĩa trong khi kiểm tra chính tả :womans thay vì woman’s( số nhiều của woman là women), tos thay vì toes( hoặc có thể là toss), và toing thay vì toeing( hoặc towing).
Để có thê khắc phục những nhược điểm trên , chúng tôi đã quyết định thử một phương pháp khác bằng cách xây dựng một otomat hữu hạn đơn định cục bộ (aminimal acyclic deterministic partial finite automaton) có thể chấp nhận một cách chính xác khoảng 206.000 từ có mặt trong từ vựng. Theo cách này chúng ta có thể tránh được vấn đề đưa vào những từ không tồn tại. Bên cạnh đó Hình 1: Otomat đơn định cho tất cả các dạng của các động từ : re work , replay, overwork và overplay
Otomat có thể cung cấp một cách đơn giản và chung chung để loại bỏ một cách tuyệt đối các tiền tố và hậu tố vì mỗi trong số chúng sẽ được mô tả duy nhất một lần. Trong hình 1, chúng tôi chỉ ra một otomat cho tất cả các dạng của các động từ tiếng anh rework, replay, overwork and overplay. Chú ý rằng để bao gồm tất cả các dạng của động từ work, chỉ cần thêm duy nhất một chuyển (transition) được gán nhãn bởi chữ cái w từ trạng thái 0  9.
2. Cách thực hiện của automata Function BuildAutomaton(Vocabulary); Begin A  EmptyAutomaton; Repeat While A not full do Include the next word of Vocabulary in A; A minimal(A) Until no more words in vocabulary; Return A; End; Đây là thuật toán mô tả cách xây dựng otomat của ‘từ vựng’ mở rộng : i. Hai vòng lặp để tăng cường khả năng trong quá trình xử lý nhất là đối với loại ngôn ngữ chứa nhiều từ vựng. ii. Với thuật toán này thì tốc độ cũng như thời gian truy cập từ vựng phụ thuộc vào chiều dài của từ đang được tìm kiếm, mà không phụ thuộc vào kích cỡ của otomat.
iii. Thuật toán tìm kiếm cho một từ là rất hiệu quả, bắt đầu từ trạng thái đầu tiên nó đi qua otomat bằng cách sử dụng các chữ cái liên tiếp nhau của từ đó để lựa chọn trạng thái chuyển, cho đến khi hoặc một trạng thái kết thúc được đưa ra hoặc không có sự chuyển nào tồn tại(hoặc từ đó thuộc từ vựng hay không) iiii. Từ vựng tiếng anh chứa khoảng 81.000 từ đã tạo ra automata với khoảng 30.000 trạng thái và 68.000 chuyển. Mỗi trạng thái có thể được mô tả bởi một cặp chuyển : một ký tự ( một byte) và một mục trạng thái ( hai bytes) ; một byte phụ cho mỗI trạng thái nắm dữ số lượng các chuyển có mặt. 3. Tìm hiểu một vài thống kế và đo lường Nhiều từ mới được thêm một cách đơn giản từ các từ vựng đã có trong otomat . .Điều này có thể làm otomat được thu nhỏ lại
Cho ví dụ, nếu từ overplayed bị loại khỏi otomat trong hinh 1, otomat kết quả sẽ thực sự tăng từ 17 trạng thái và 22 chuyển tới 18 trạng thái và 25 chuyển. Hình2: Otomat chấp nhận tất cả các từ có tối đa là bốn ký tự Trong trường hợp đặc biệt, chúng ta nên nhớ rằng, nếu cho 26 ký tự alphabet, một từ vựng trong tất cả các dãy ký tự có chiều dài tối đa M sẽ có (26M+1-1)/25 từ; cho ví dụ, cho M=4, chúng ta sẽ có 475,225 từ. Mặt khác, otomat cho từ vựng đó chỉ có 27M+1 chuyển đổi (109 đối với M=4; xem hình 2)
4. Một vài ứng dụng H ình 3: Cách đánh số của ôtômat Chúng ta thừa nhận rằng, sự mô tả của otomat gồm một số nguyên cái mà đưa ra số lượng của từ được chấp nhận bởi otomat bắt đầu từ trạng thái đó. Chúng ta gọi otomat như vậy được gọi là otomat được đánh số, kiểu như trong hình 4. chúng ta sẽ xây dựng hai hàm liên quan giữa các số từ 1 tới L (L là số lượng các từ được chấp nhận bởi ôtmat) và các từ như sau:
được gọi là otomat được đánh số, kiểu như trong hình 4. Chúng ta sẽ xây dựng hai hàm liên quan giữa các số từ 1 tới L (L là số lượng các từ được chấp nhận bởi ôtmat) và các từ như sau:
4.1 Từ điển đa ngôn ngữ Otomat được đánh số có thể được sử dụng để thực hiện từ điển đa ngôn ngữ cho việc chuyển đổi giữa từ và từ. Các từ vựng đối với một vài ngôn ngữ có thể được mô tả bởi một otomat với nhiều trạng thái khởi tạo. Một điều thú vị là, bằng cách đảo ngược các từ trong khi xây dựng otomat, yêu cầu xử lý sẽ tận dụng tối đa sự tồn tại trong việc kiểm tra sự tương đương giữa các ngôn ngữ (tối ưu bộ nhớ), chẳng hạn như các tiền tố và các từ gốc tồn tại trong nhiều ngôn ngữ Châu Âu nói chung. Bên trong ottomat, đối với mỗi ngôn ngữ, chúng ta có thể sử dụng một mảng được đánh số bởi các con số của từ và vẽ chúng vào danh sách được định vị cho ngôn ngữ khác.
4.2 Từ đồng nghĩa Cho một từ 'word', các từ đồng nghĩa của nó bao gồm như sau: work: noun: avocation, calling, employment, field, job, occupation, proffesion, trade, vocation, chore, grind, sweet verb: answer, do, fulfill, meetqualify, suffice Về mặt phạm trù ngữ pháp, từ đó là thuộc về danh từ, động từ…. Chúng ta có một chuỗi các danh sách các từ có liên quan, với mỗi danh sách tương xứng với một cách hiểu khác nhau của từ, nếu chúng ta đưa một từ bất kỳ nằm trong một danh sách các từ có liên quan. Kết quả mà chúng ta sẽ nhận được là danh sách các từ đồng nghĩa.
Chúng ta thực hiện việc tìm từ đồng nghĩa này bằng cách sử dụng một otomat được đánh số với nhiều trạng thái khởi đầu : mỗi trạng thái phù hợp với một phạm trù ngữ pháp. Bên cạnh đó, chúng ta sử dụng một vài các cấu trúc dữ liệu để mô tả danh sách các từ theo tuần tự các con số. Giả sử, sự thực hiện này được kiểm tra đối với các từ đồng nghĩa tiếng Anh. Otomat của nó chấp nhận khoảng 9.500 từ , có tối thiểu 9.000 trạng thái và 18.000 chuyển.Yêu cầu lưu trữ là 88kbytes cho otomat và khoảng 39kbytes cho cấu trúc dữ liệu
5. Future work Chúng ta có thể thấy rằng otomat đơn định cung cấp một công cụ có ích cho nhiều ứng dụng. Một trong những phương hướng mà họ theo đuổi trong tương lai là làm một vài thử nghiệm trên các ngôn ngữ khác hơn so với tiếng Anh và thử xây dựng Otomat cho từ vựng mở rộng hơn rất nhiều.
PHẦN II: AUTOMATA ĐẨY XUỐNG