基于受限汉语数据库自然语言接口技术的研究.pdfVIP

1000-9825/2002/13(04)0537-08 ©2002 Journal of Software 软 件 学 报 Vol.13, No.4 基于受限汉语的数据库自然语言接口技术研究 1 1 2 许龙飞 , 杨晓昀 , 唐世渭 1(暨南大学 计算机科学与技术系,广东 广州 510632); 2(北京大学 信息科学中心,北京 100871) E-mail: txlf@ 摘要: 介绍了一种新的基于受限汉语的数据库自然语言接口NLCQI(natural language (Chinese) query interface) 的系统模型及设计框架.给出系统实现中具有特色的多栈结构的中间语言以及以关联路径搜索方法实现的中 间语言向SQL 转换的策略.实验表明,该系统采用的非过程化汉语查询句表达方式较自然,对汉语句型的理解、 处理能力有较大的改进. 关 键 词: 自然语言界面;受限汉语; 自动分词; 中间语言;数据库模型 中图法分类号: TP311 文献标识码: A 数据库自然语言接口是自然语言理解与数据库技术结合的产物,近年来,作为AI 中自然语言理解的智能接 口技术而受到重视,尤其与汉语的手写体及语音识别的结合研究,具有很高的理论价值与广泛的应用前景. 在该研究领域内,纵观近年来国内所研制的多个系统,所采用的技术主要有基于数据库的 E-R 汉语理解模 型、类关系代数逻辑式的中间语言转换、以条件为中心的句型匹配以及多语句组合模板等方法.在此基础上, 我们在文献[1,2] 中提出一种新的基于受限汉语[3] 的数据库自然语言查询界面 NLCQI(natural language (Chinese) query interface),给出这种接口系统的模型框架、基本原理与设计思想. 该模型的主要特点是: (1) 采用了数据库技术、计算语言学与人工智能等多学科结合的新思路.近年来的研究实践表明,要想最终 解决数据库的汉语自然语言接口问题,靠纯语言学或纯数据库技术都是行不通的.为此,本系统让模型建立在受 限汉语集合上,运用汉语自动分词技术,受限汉语文法是根据数据库汉语查询句中常用的词法与语法而建立的 一系列的语法、语义规则[1,2].并采用数据库E-R 模型与其指称的数据库模型语义及背景知识结合的技术.与近 [4~7] 年来国内同类系统相比,在构思上有新的特色 . (2) 所输入的汉语查询句型比较符合中国普通用户的思维习惯和表达方式,本系统采用了完全非过程化的 汉语自然语言方式,在表达形式上较为灵活与多样性, 同一语义的查询语句可以有多种不同的表达形式. (3) 从汉语句型到 SQL 的中间语言形式都采用类关系代数形式的语义查询树,而在实现技术上采用了多 [7] 栈结构形式,既能准确地表达原查询句的语义,而且在形式上也更灵活,便于向SQL 的自动转换 . (4) 提出了以关联路径搜索方法实现MQL 到SQL 的转换策略,解决了SQL 中多层嵌套子查询的搜索难题. 这在国内同类系统中尚未见到. 东南大学的 CQI 系统[4]是国内首次研制成功的基于 E-R 模型的 DB 中文查询接口,与之相比,本系统在与 计算语言学的结合研究、对E-R 语义模型的理解以及系统对汉语的处理能力方面(如对汉语句型修饰段的处理 收稿日期: 1999-11-28; 修改日期: 2001-07-06 基金项目: 国家自然科学基金资助项目;北京大学视听觉信息处理国家重点实验室资助项目;暨南大学“2 11 工程” 资金资助项目 作者简介: 许龙飞(1946 －), 男,广东开平人,教授,主要研究领域为数据库系统,知识工程;杨晓昀(1974 －), 男,广东湛江人,硕士, 助理工程师,主要研究领域为数据库应用系统开发技术;唐世渭(1939 －), 男,浙江镇海人,教授,博士生导师,主要研究领域为数据库与 信息系统,数据仓库技术. 538 Journal of Software 软件学报 2002,13(4) 有更大的灵活性与适