[论文解读] NLML--a Markup Language to Describe the Unlimited English Grammar

Jiyou Jia|ArXiv.org|Apr 7, 2004

Natural Language Processing Techniques参考文献 14被引用 7

一句话总结

本文提出了NLML（自然语言标记语言），一种领域特定的标记语言，旨在表示任何语法正确的英语句子的完整句法和语义结构。它支持在复杂度、语态、语气和时态等方面对句子、分句和短语进行分层、可扩展的建模，并在NLP系统（如NLOJM和NLDB）中得到应用，为无限的英语语法表示提供标准化、机器可读的框架。

ABSTRACT

In this paper we present NLML (Natural Language Markup Language), a markup language to describe the syntactic and semantic structure of any grammatically correct English expression. At first the related works are analyzed to demonstrate the necessity of the NLML: simple form, easy management and direct storage. Then the description of the English grammar with NLML is introduced in details in three levels: sentences (with different complexities, voices, moods, and tenses), clause (relative clause and noun clause) and phrase (noun phrase, verb phrase, prepositional phrase, adjective phrase, adverb phrase and predicate phrase). At last the application fields of the NLML in NLP are shown with two typical examples: NLOJM (Natural Language Object Modal in Java) and NLDB (Natural Language Database).

研究动机与目标

• 解决缺乏一种标准化、可扩展且机器可读的格式来表示英语语法全范围的问题。
• 为自然语言中的句法和语义结构提供一种简单、易管理且可直接存储的表示方法。
• 支持对英语所有语法变体的建模，包括复杂句、不同语态、语气、时态和短语类型。
• 通过形式化的语法描述语言支持实际的NLP应用。
• 通过结构化、分层的标记方式，促进与编程和数据库系统的集成。

提出的方法

• 设计基于类似XML语法的分层、可扩展的标记语言NLML，用于表示句法和语义结构。
• 定义三个抽象层次：句级（含语态、语气、时态和复杂度）、分句级（关系分句和名词分句）以及短语级（名词短语、动词短语、介词短语、形容词短语、副词短语和谓语短语）。
• 使用形式化模式对每个结构组件内的句法角色和语义关系进行编码。
• 实现自然语言表达到机器可处理的NLML表示的直接映射，以支持计算处理。
• 将NLML集成到NLP系统（如NLOJM（Java中的自然语言对象模型）和NLDB（自然语言数据库））中，实现程序化和数据库访问。
• 将该语言应用于支持自然语言接口，通过实现语法感知的解析与推理。

实验结果

研究问题

• RQ1 如何设计一种标记语言，以结构化且可扩展的方式表示英语语法的全部、无限范围？
• RQ2 为实现句子、分句和短语的句法与语义保真度建模，需要哪些分层抽象级别？
• RQ3 NLML如何支持诸如语态、语气、时态和分句复杂度等多样化的语法特征？
• RQ4 NLML在实际应用中（如自然语言数据库和对象建模）如何集成到NLP系统中？
• RQ5 与现有语法表示格式相比，NLML在简洁性、可管理性和直接存储方面具有哪些优势？

主要发现

• NLML成功地在多个结构层次上对所有语法正确的英语表达进行了建模，包括复杂句以及各种语法语气和时态。
• 该语言支持句法和语义结构的直接、无损表示，支持无歧义的解析与处理。
• NLML支持可扩展性和模块化，允许在不重构核心模式的前提下添加新的语法形式。
• NLML与NLOJM的集成使得能够直接从自然语言描述创建Java对象，从而提升软件开发效率。
• NLDB证明，NLML可以驱动自然语言数据库接口，使用户能够使用完整句子表达式查询数据。
• 该方法在减少歧义性和提升自然语言系统与计算引擎之间的互操作性方面表现出有效性。