[论文解读] New developments in parsing Mizar

Czesław Byliński, Jesse Alama|arXiv (Cornell University)|Apr 30, 2012

Logic, programming, and type systems参考文献 14被引用 9

一句话总结

本文提出了一套新的 Mizar 语言解析技术，引入两种规范化方案——弱严格 Mizar（WSM）和更严格 Mizar（MSM）——以简化语法分析并实现独立解析。通过消除重载符号的歧义、强制完全括号化、标记所有公式以及序列化变量引用，作者实现了对 Mizar 文本的鲁棒、与工具无关的处理，其应用包括基于 HTTP 的解析服务、美化打印以及 Mizar 数学图书馆的大规模重构。

ABSTRACT

The Mizar language aims to capture mathematical vernacular by providing a rich language for mathematics. From the perspective of a user, the richness of the language is welcome because it makes writing texts more "natural". But for the developer, the richness leads to syntactic complexity, such as dealing with overloading. Recently the Mizar team has been making a fresh approach to the problem of parsing the Mizar language. One aim is to make the language accessible to users and other developers. In this paper we describe these new parsing efforts and some applications thereof, such as large-scale text refactorings, pretty-printing, HTTP parsing services, and normalizations of Mizar texts.

研究动机与目标

• 为解决 Mizar 语言的句法复杂性，其源于丰富的灵活语法、广泛使用重载和依赖类型。
• 使开发者和研究人员能够独立于完整的 Mizar 工具链解析 Mizar 文本，无需访问 Mizar 数学图书馆（MML）。
• 通过暴露结构化解析树和规范化文本形式，支持大规模文本转换，如重构、美化打印和规范化。
• 通过提供标准化、机器可处理的 Mizar 文本表示，促进外部工具和服务与 Mizar 的互操作性。
• 探索新的规范化范式，如‘无保留’Mizar（WRM），以进一步简化语义推理和处理。

提出的方法

• 设计弱严格 Mizar（WSM）规范化，通过显式括号和空白字符消除重载符号的歧义，确保与 Bison 等标准 LR 解析器的兼容性。
• 实现更严格 Mizar（MSM）规范化，强制句法规范化，包括标记所有公式、序列化变量名，并将隐式逻辑连接（如 'then'）替换为显式标签引用。
• 开发基于 HTTP 的解析服务，接收 Mizar 文本并返回 XML 解析树、WSM/MSM 转换结果或美化打印形式，实现无需本地工具的程序化访问。
• 使用 Mizar 数学图书馆（MML）作为测试平台，评估规范化与解析流水线的可扩展性和正确性。
• 利用现有的 Mizar 文本 XML 表示进行语义级分析，同时引入新的句法级工具，以满足对精确结构保真度有要求的任务。
• 将规范化应用于 MML 的重构，目标是简化下游处理，支持新型静态分析和工具集成。

实验结果

研究问题

• RQ1 如何缓解 Mizar 语言的句法复杂性（尤其是由于重载和依赖类型造成的），以实现独立解析？
• RQ2 何种规范化策略可将 Mizar 文本转化为一种既语义忠实又适合标准解析工具（如 Bison）的形式？
• RQ3 句法规范化（如公式标记、变量分类）在多大程度上可仅通过语法实现自动推断使用情况和作用域，而无需深度语义分析？
• RQ4 如何通过基于 HTTP 的服务向外部工具和研究人员暴露 Mizar 解析能力，而无需安装 Mizar 系统？
• RQ5 规范化后的 Mizar 文本的性能和结构特征是什么？与原始图书馆相比，其行长度和复杂度如何？

主要发现

• WSM 规范化成功将 Mizar 文本转换为可被标准 LR 解析器解析的形式，WSP 化后的 MML 中 60% 的文章行长度至少为 500 个字符，平均行长为 54.7 个字符。
• MSM 规范化仅通过句法即可实现语义推理，例如通过标签引用确定变量类别（如绑定与自由变量）和公式使用情况。
• 基于 HTTP 的解析服务允许外部工具提交 Mizar 文本并接收结构化输出——包括 XML 解析树、WSM、MSM 和美化打印形式——而无需访问 MML 或 Mizar 工具。
• WSP 化的 Mizar 数学图书馆（4.181.1147）包含 694 篇文章行长度超过 500 个字符，最长行达 6042 个字符，证明了该规范化在真实场景下的可扩展性。
• 作者已启动对‘无保留’Mizar（WRM）变体的实验，旨在消除保留变量，仅通过结构线索进一步简化语义解释。
• 新规范化方案与服务已成功支持大规模重构、美化打印以及与外部工具的集成，证明了其在理论解析之外的实际应用价值。