sql - 搜索自然语言句子结构

Question

存储和搜索自然语言句子结构树数据库的最佳方式是什么？

使用OpenNLP's英语树库解析器，我可以对任意句子进行相当可靠的句子结构解析。我想做的是创建一个工具，可以从源代码中提取所有文档字符串，为文档字符串中的所有句子生成这些树，将这些树及其关联的函数名称存储在数据库中，然后允许用户使用自然语言查询来搜索数据库。

因此，对于函数upload_files()，给定句子“这会将文件上传到远程计算机。”，我将拥有树:

(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“如何上传文件？”，相当于树:

(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的组合来执行此搜索，但我不确定如何以可扩展的方式实现此搜索。

是的，我意识到使用简单的关键字搜索来检索我的示例是微不足道的。我试图测试的想法是如何利用语法结构，这样我就可以淘汰具有相似关键字但句子结构不同的条目。例如，对于上面的查询，我不想检索与句子“检查远程计算机以查找上传文件的用户。”相关的条目，该句子具有类似的关键字，但显然是描述完全不同的行为。

Answer 1

关系数据库无法以自然的方式存储知识，您真正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(您的问题将类似于 <?, upload, file> ) 或联合查询，然后搜索您的知识库。 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。