第3章 形式语言与自动机.pptxVIP

北京市海淀区中关村东路95号 邮编：100190 电话：+86-10-6255 4263 邮件：cqzong@nlpr.ia.ac.cn 第3章 形式语言与自动机 及其在NLP中的应用 宗成庆：《自然语言理解》讲义，第 3 章 2/114 3.1 基本概念 宗成庆：《自然语言理解》讲义，第 3 章 3/114 3.1 基本概念  树 (tree)：  树是一种数据结构。  一个连通的无回路的无向图称为树(或称自由树)。  如果树中有一个结点被特别地标记，则这棵树被 称之为根树，这个被特别标记的 结点被称之为根 结点。 C 宗成庆：《自然语言理解》讲义，第 3 章 4/114 3.1 基本概念 D E C A B D E 根结点 中间(内) 结点 叶结点 A B (a) (b) (c) 父结点: A是 B、C 结点的父结点；C是D、E 的父结点。 子结点：B、C 是 A 的子结点；D、E 是 C 的子结点。 兄弟结点：B、C 互为兄弟结点； D、E 互为兄弟结点。 宗成庆：《自然语言理解》讲义，第 3 章 5/114 3.1 基本概念  字符串 (string)  定义：假定  是字符的有限集合，它的每一个 元素称之为字符。由  中字符相连而成的有限 序列被称之为 上的字符串（或称符号串，或称 链）。 特殊地，不包括任何字符的字符串称为 空 串，记作 。  符号串的长度：符号串中符号的个数。符号串x 的长度用|x|表示。 || = 0。 包括空串的  上字符串的全体记为 *。 宗成庆：《自然语言理解》讲义，第 3 章 6/114 3.1 基本概念  字符串操作 假定  是字符的有限集合，x, y 是上的符号串 (1)字符串连接：则把 y 的各个符号写在 x 的符号之 后得到的符号串称为 x 与 y 的连接，记作 xy。 例如： ={a, b, c}, x=ab, y=cba 那么，xy=abcba 宗成庆：《自然语言理解》讲义，第 3 章 7/114   设x是符号串，把 x 自身连接n 次得到的符号串， 即z=xx…x (n个x), 称为x 的 n 次方幂，记作xn。 注意：x0=  xn=xxn-1=xn-1x (n1) x*=xn(n0), x+= xn (n1) 例如：如果 x=a, 则 x1=a, x2=aa, x3=aaa, 如果 x=ab，则 x0= , x3=ababab 3.1 基本概念 宗成庆：《自然语言理解》讲义，第 3 章 8/114 3.1 基本概念 (2) 符号串集合的乘积 设A, B是符号串的集合，则A, B的乘积定义为： AB{xy|xA,yB} 相应地，A0= {}, An=An-1A=AAn-1 例如: 设A={aa, bb}, B={cc, dd, ee}，则 AB={aacc, aadd, aaee, bbcc, bbdd, bbee} A2={aaaa, aabb, bbaa, bbbb} 宗成庆：《自然语言理解》讲义，第 3 章 9/114 3.1 基本概念 (3) 闭包 如果V是字符表上的字符串集合，那么，V 的 闭包定义为：V* = V0  V1 V2  … V+ = V1 V2  … （ 称为V的正闭包） V+ = V* - {} 例如：V = {a, b} V* = {, a, b, aa, ab, bb, ba, aaa, … } V+ = {a, b, aa, ab, ba, bb, aaa, …} 宗成庆：《自然语言理解》讲义，第 3 章 10/114 3.1 基本概念  正则表达式（简称正则式）： 正则式对应于上的一些子集(正则集)，并通过递 归定义： 1) 空集和空字符串是正则式，它们的正则集分别为 和{}； 2) 任何 x  , x 是正则式，它对应的正则集是 {x} ； 3) 如果X, Y是上的正则式，并且它们对应的正则集 分别为U, V，那么，X|Y, XY 和 X*也是正则式， 且它们对应的正则集分别为 UV, UV 和U*。 宗成庆：《自然语言理解》讲义，第 3 章 11/114 3.1 基本概念 例如： 假设  ＝ {0, 1}，那么，0 和 1都是正则表达 式。如果令x=0, y=1, 那么， y* = 1* 也是正则式，对应的正则集为： U={, 1, 11, …} xy* =