10.1自然語言理解

查詢數據庫

如果有人提出一個問題：

Which country is Athens in?

得到的回答應該是：

Greece.

這個數據可以通過數據庫語言得到答案：

SELECT Country FROM city_table WHERE City= 'athens'

這里有一個文法，可以把句子轉換成SQL語句：

>>>nltk.data.show_cfg('grammars/book_grammars/sql0.fcfg') %start S S[SEM=(?np+ WHERE+ ?vp)] -> NP[SEM=?np]VP[SEM=?vp] VP[SEM=(?v+ ?pp)] -> IV[SEM=?v] PP[SEM=?pp] VP[SEM=(?v+ ?ap)] -> IV[SEM=?v] AP[SEM=?ap] NP[SEM=(?det+ ?n)] -> Det[SEM=?det]N[SEM=?n] PP[SEM=(?p+ ?np)] -> P[SEM=?p]NP[SEM=?np] AP[SEM=?pp]-> A[SEM=?a]PP[SEM=?pp] NP[SEM='Country="greece"']-> 'Greece' NP[SEM='Country="china"']-> 'China' Det[SEM='SELECT']-> 'Which' | 'What' N[SEM='CityFROMcity_table'] -> 'cities' IV[SEM=''] -> 'are' A[SEM='']-> 'located' P[SEM='']-> 'in' 這使我們能夠分析SQL查詢： >>>from nltk import load_parser >>>cp = load_parser('grammars/book_grammars/sql0.fcfg') >>>query ='What cities are located in China' >>>trees = cp.nbest_parse(query.split()) >>>answer = trees[0].node['sem'] >>>q= ' '.join(answer) >>>print q SELECT City FROM city_table WHERE Country="china"

要達到能夠從句子到后來的生成的數據庫SQL語句，也就是獨立于任何的查詢語言，我們應該建立一個經典的邏輯的標準解釋。

邏輯形式更加的抽象，更加的通用。

自然語言、語義和邏輯

一個句子集W的模型是某種情況的形式化表示，其中w中的所有句子都為真。

看下面這個圖：

段落的域D（我們當前關心的所有實體）是個體的一個集合，而當集合從D建立，關系也被確立。

例如：

域D包括3個孩子，Stefan、Klaus和Evi，分別用s、k和e表示。記為D= {s,k,e}。

表達式boy是包含Stefan和Klaus的集合，表達式girl是包含Evi的集合，表達式is running是包含Stefan和Evi的集合。

10.2命題邏輯

我們要設計一種邏輯語言，使推理更加的明確。

[Klaus chased Evi]and [Evi ran away] 例如這句話，

φ和ψ替代（8）中的兩個子句，并用&替代對應的英語詞and的邏輯操作：φ&ψ。這就是這句話的邏輯形式。

下面的標重，指定了包含一些運算符的公式為真的條件。iff作為if and only if（當且僅當）的縮寫。

注意蘊含這個運算符：

形式(P ->Q)的公式是為假只有當P為真并且Q為假時。如果P為假（比如說，P對應Themoonis madeofgreen cheese）而Q為真（比如說，Q對應Twoplus two equa ls four）那么P -> Q的結果為真。

NLTK中的inference模塊通過一個第三方定理證明器Prover9的接口，可以進行邏輯證明。

例如：

SnF表示：Sylvania is to the north of Freedonia。

Fns表示：Freedonia is to the north of Sylvania。

>>>lp =nltk.LogicParser() >>>SnF= lp.parse('SnF') >>>NotFnS= lp.parse('-FnS') >>>R= lp.parse('SnF -> -FnS') >>>prover= nltk.Prover9() >>>prover.prove(NotFnS,[SnF, R]) True

一個命題邏輯的模型，需要為每個可能的公式分配值True或False.

我們可以來簡單做一個實驗：

1、先為每個命題符號分配一個值

>>>val = nltk.Valuation([('P',True),('Q', True),('R', False)])

我們可以查看這個值的：

>>>val['P'] True

2、為了簡化實驗，我們先忽略dom和g的設置

>>>dom =set([]) >>>g= nltk.Assignment(dom)

3、使用val來初始化模型m

>>>m=nltk.Model(dom, val)

4、每個模型都有一個evaluate()方法，可以確定邏輯表達式。例如：

>>>print m.evaluate('(P&Q)',g) True >>>print m.evaluate('-(P&Q)',g) False >>>print m.evaluate('(P&R)',g) False >>>print m.evaluate('(P| R)',g) True

現在，我們只是局限在用字母P、Q等表示原子，句子。但是我們需要超越命題邏輯到一個更有表現力的東西，能夠看到里面的基本的句子，也就是一階邏輯。

轉載于:https://www.cnblogs.com/createMoMo/archive/2013/06/04/3116613.html

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的【语言处理与Python】10.1自然语言理解\10.2命题逻辑的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。