[论文解读] Efficient Tabular LR Parsing

Mark-Jan Nederhof, Giorgio Satta|ArXiv.org|May 13, 1996

Natural Language Processing Techniques参考文献 20被引用 10

一句话总结

本文提出了一种新颖且更高效的表格化LR解析方法，通过利用语法变换和标准的图表解析技术，与Tomita的广义LR算法相比，显著降低了静态和动态的时间与空间复杂度。该方法通过简化的概念基础和优化的解析机制，实现了卓越的性能。

ABSTRACT

We give a new treatment of tabular LR parsing, which is an alternative to Tomita's generalized LR algorithm. The advantage is twofold. Firstly, our treatment is conceptually more attractive because it uses simpler concepts, such as grammar transformations and standard tabulation techniques also know as chart parsing. Secondly, the static and dynamic complexity of parsing, both in space and time, is significantly reduced.

研究动机与目标

• 解决Tomita广义LR解析算法的高计算复杂度问题。
• 为上下文无关文法开发一种更具概念直观性和更高效率的解析框架。
• 在表格化LR解析中降低静态和动态的时间与空间复杂度。
• 证明语法变换与标准表格化技术可实现更优的性能。
• 为现有广义解析方法提供一种更简单、更模块化的替代方案。

提出的方法

• 该方法利用语法变换简化解析过程并消除冗余计算。
• 应用标准的表格化技术（图表解析）以高效地表示和计算解析状态。
• 解析算法被设计为避免Tomita方法中典型的复杂数据结构和状态爆炸问题。
• 该方法利用语法变换的固有模块性，将语法分析与解析逻辑解耦。
• 通过动态规划原理，保持对解析状态的紧凑表示。
• 该算法通过一组作用于图表结构的推理规则进行形式化定义。

实验结果

研究问题

• RQ1 是否可以利用语法变换和标准表格化技术设计出更高效的表格化LR解析器？
• RQ2 与Tomita的广义LR算法相比，该方法在时间和空间复杂度方面表现如何？
• RQ3 更简单的概念框架能否在广义解析中实现相当或更优的性能？
• RQ4 语法变换对解析模糊上下文无关文法的效率有何影响？
• RQ5 是否可能在不牺牲正确性的前提下，同时降低表格化LR解析的静态和动态复杂度？

主要发现

• 与Tomita的算法相比，该方法在静态和动态的时间与空间复杂度方面均实现了显著降低。
• 使用语法变换简化了解析过程，并减少了所需的解析状态数量。
• 该方法在保持正确性的同时，消除了传统广义LR解析中复杂的依赖数据结构。
• 通过更模块化且概念更透明的设计，该方法展示了卓越的效率。
• 性能提升归因于语法变换与标准图表解析技术的结合。
• 该算法被形式化证明对任意上下文无关文法均正确且高效。