搜索自然语句结构

Question

存储和搜索自然语言句子结构树数据库的最佳方法是什么？

使用OpenNLP的英语Treebank Parser,我可以为任意句子获得相当可靠的句子结构解析.我想要做的是创建一个工具,可以从我的源代码中提取所有文档字符串,为doc字符串中的所有句子生成这些树,将这些树及其相关的函数名存储在数据库中,然后允许用户使用自然语言查询搜索数据库.

所以,给定"This uploads files to a remote machine."函数的句子upload_files(),我有树:

(TOP
  (S
    (NP (DT This))
    (VP
      (VBZ uploads)
      (NP (NNS files))
      (PP (TO to) (NP (DT a) (JJ remote) (NN machine))))
    (. .)))

如果有人输入查询"我如何上传文件？",等同于树:

(TOP
  (SBARQ
    (WHADVP (WRB How))
    (SQ (MD can) (NP (PRP I)) (VP (VB upload) (NP (NNS files))))
    (. ?)))

如何在SQL数据库中存储和查询这些树？

我编写了一个简单的概念验证脚本,可以使用正则表达式和网络图解析来执行此搜索,但我不确定如何以可扩展的方式实现它.

是的,我意识到我的例子使用简单的关键字搜索检索是微不足道的.我试图测试的想法是如何利用语法结构,所以我可以清除具有相似关键词但具有不同句子结构的条目.例如,通过上述查询,我​​不想检索与"Checks a remote machine to find a user that uploads files."具有相似关键字的句子相关联的条目,但显然描述了完全不同的行为.

Answer 1

关系数据库无法以自然的方式存储知识，您实际上需要的是知识库或本体（尽管它可能构建在关系数据库之上）。它以三元组的形式保存数据<subject, predicate, object>，因此您的短语将存储为<upload_file(), upload, file>. 有很多工具和方法可以在此类知识库中进行搜索（例如，Prolog 就是一种专门用于执行此操作的语言）。因此，您所要做的就是将句子从自然语言翻译为知识库三元组/本体图，将用户查询翻译为不完整的三元组（您的问题看起来像<?, upload, file>）或连接查询，然后在您的知识库上搜索。OpenNLP 将帮助您进行翻译，其余的取决于您决定使用的具体技术和技术。