[论文解读] An Efficient Algorithm for Surface Generation

Christer Samuelsson|arXiv (Cornell University)|Jul 21, 1995

Advanced Numerical Analysis Techniques参考文献 7被引用 4

一句话总结

本文提出了一种高效的自然语言处理表面生成算法，通过反转逻辑语法以优先考虑逻辑形式而非词串。该方法利用LR编译技术，实现递归下降生成中的函数符合并，显著缩小了搜索空间，并可通过可配置的语义前瞻实现表大小与非确定性之间的自动权衡。

ABSTRACT

A method is given that "inverts" a logic grammar and displays it from the point of view of the logical form, rather than from that of the word string. LR-compiling techniques are used to allow a recursive-descent generation algorithm to perform "functor merging" much in the same way as an LR parser performs prefix merging. This is an improvement on the semantic-head-driven generator that results in a much smaller search space. The amount of semantic lookahead can be varied, and appropriate tradeoff points between table size and resulting nondeterminism can be found automatically.

研究动机与目标

• 为解决传统生成方法在表面实现过程中处理大规模搜索空间时的低效问题。
• 通过最小化非确定性和搜索开销，改进基于语义主干的生成方法。
• 通过可调节的语义前瞻，实现内存使用量（表大小）与生成非确定性之间的可配置权衡。
• 将通常用于解析的LR解析技术——应用于生成，特别是递归下降生成中的函数符合并。
• 为计算语言学中的表面生成提供一个可扩展且高效的框架。

提出的方法

• 该方法反转逻辑语法，从逻辑形式而非词串生成，将重点转向语义结构。
• 采用LR编译技术，支持在递归下降生成过程中进行函数符合并，模拟LR解析器执行前缀合并的方式。
• 引入语义前瞻作为可配置参数，以控制生成过程中非确定性的程度。
• 通过调整前瞻深度，动态平衡表大小与搜索空间，实现自动权衡选择。
• 将解析启发的优化整合到生成中，减少探索的替代推导数量。
• 该系统实现为技术报告（CLAUS 44）并发表于IJCAI 1995年，表明其在主要人工智能会议中得到验证。

实验结果

研究问题

• RQ1 如何通过围绕逻辑形式而非词串重构生成过程，使表面生成更加高效？
• RQ2 LR解析技术在多大程度上可被适配以通过函数符合并改进递归下降生成？
• RQ3 可配置的语义前瞻对生成中表大小与非确定性之间权衡的影响是什么？
• RQ4 能否通过语法反转与LR式编译显著缩小基于语义主干的生成的搜索空间？
• RQ5 与现有表面生成算法相比，该方法在效率和可扩展性方面表现如何？

主要发现

• 通过LR编译实现的函数符合并，该算法相比标准的基于语义主干的生成方法显著缩小了搜索空间。
• 可配置的语义前瞻使系统能够自动识别内存使用量与非确定性之间的最优权衡。
• 通过在生成阶段模拟LR解析器行为，该方法减少了递归下降生成的计算开销。
• 该方法经过形式化验证，并发表于IJCAI 1995年，表明其在顶级人工智能会议中获得认可。
• 技术报告（CLAUS 44）与arXiv出版物证实了该方法的可复现性与学术传播性。
• 该系统表明，语法反转结合LR技术可实现在计算语言学中可扩展且高效的表面生成。