标签: semantic-analysis

我一直在阅读有关解释器/编译器如何工作的一些内容,而我感到困惑的一个领域是AST和CST之间的区别.我的理解是解析器生成一个CST,将它交给语义分析器,将其转换为AST.但是,我的理解是语义分析器只是确保遵循规则.我真的不明白为什么它会实际做出任何改变,使其变得抽象而不是具体.

有没有关于语义分析器的东西,或者AST和CST之间的差异有点人为？

是否存在用于编程语言的差异/合并工具,它以语法识别的方式工作(如XML Diff Tool),不仅仅是逐行比较(并且可选地忽略空格).

我对实际遵循语言语法和分隔符的程序感兴趣,建议在不破坏语法正确性的情况下进行更改,或者在多行中分隔语句.示例行为是:

*找到一个if(){引入额外嵌套级别的自动捆绑闭合支撑}下面的几行.)

*保持匹配语法元素在一起,避免像删除块往往创建的愚蠢:

 int function_A()
 { 
     int ret;
     ret = something;
     ret += something_else;

      return ret;
  }

  int function_B()
  { 
     if(valid)
     {
         int ret;
         ret = something;
         ret += something_else;

          return ret;
      }

       else return -1;
  }

就个人而言,我很想找到能够处理C++语法的软件,但了解其他语言的解决方案也会很有趣.

如何找到属性是从语法的产生中合成还是继承？

我想因为必须在问题中预定义属性 - 如果它的值取决于子节点或父节点.但有没有办法分析属性是从语法产生继承还是合成.

是否有我可以阅读的研究论文/书籍可以告诉我手头的问题哪种特征选择算法最有效.

我试图简单地将twitter消息识别为pos/neg(开头).我开始使用基于频率的功能选择(已经开始使用NLTK书)但很快意识到,对于类似的问题,各个人都选择了不同的算法

虽然我可以尝试基于频率,互信息,信息增益和各种其他算法的列表似乎无穷无尽......并且想知道是否有一种有效的方式然后反复试验.

任何建议

我正在尝试创建自己的简单特征选择算法.我要使用的数据集在这里(非常着名的数据集).有人可以给我一个关于如何这样做的指针吗？

我打算为文本分类编写一个特征等级算法.这是对电影评论的情感分析,将其分类为正面或负面.

所以我的问题是如何为文本数据集编写简单的特征选择.

我正在寻找任何免费的工具/组件/库,这些工具/组件/库允许我在.NET应用程序中利用文本挖掘,事实提取和语义分析.

该GATE项目正是我需要的,但它是用Java编写.在.NET世界中有类似GATE的东西吗？

我的挑战是从网站文本内容中提取某些事实.我打算使用一些NLP算法来实现这样的功能,但我不确定如何实现它们,所以如果可用的话,我将使用任何现有的解决方案.

如果你能给我一些提示,我将不胜感激.我是这方面的新手,所以任何相关的信息对我来说都非常有用.

我的表弟创建了一个语义搜索引擎，他声称他的搜索引擎是最准确的。

我见过很多语义搜索引擎，它们对我来说看起来都一样，因为它们的设计目的不是根据您输入的关键字为您提供结果。

那么如果你正在创建一个语义搜索引擎，如何确定其结果的准确性呢？

我想用 C++创建一个 Java 源代码解析功能。该应用程序的目的是在内部数据结构中生成语法树，以便我能够自行遍历数据树结构并对其进行分析。

哪些工具可以帮助我实现目标？

首先,语义规则和抽象语法树规则是一样的吗？

现在,如果我有语言规范,并且我有CFG,那么我该如何构建抽象语法树规则.任何来源都表示赞赏.谢谢.

文本挖掘 (NLP) 中的情绪（正面和负面）和情绪有什么区别？例如，愤怒是负面情绪，也是负面情绪，两者似乎是一样的。Vijay Nadadur，SentiRank 的创建者，一种对文本中的情绪进行排名的算法，建议生物情绪可以以一种简单的方式主要以二进制格式（+ve 和 -ve）表示。进一步说，你可能会有不同程度的 +ve 和 -ve 情绪，也许是中性的。然而，情绪有多个维度。愤怒肯定是情绪，悲伤也是，但它们并不完全相同。

更具体地说，关于文本挖掘（基于 NLP），进行情感分析要简单得多，但进行情感分析却非常困难。情感分析的下一个层次是意图分析领域，很少有研究人员致力于从文本块中挖掘意图，这似乎具有很高的商业价值。