1 / 65

สถานีอวกาศ NLP

สถานีอวกาศ NLP. Natural Language Processing. สมาชิก. น.ส.กนกพรรณ สุขสม 4420002 น.ส.ชุติมา คนเที่ยง 4420083 น.ส.ปัทมา อินตรา 4420193 น.ส.ศศิธร คีรีวงศ์ 4420339 น.ส.ศิรินทร์ทิพย์ มุสิกะชาติ 4420349 น.ส.ศิริพรรณ ต่อหิรัญพฤกษ์ 4420353 น.ส.อรวรรณ ชัยชิตร 4420463.

Download Presentation

สถานีอวกาศ NLP

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. สถานีอวกาศ NLP

  2. Natural Language Processing

  3. สมาชิก • น.ส.กนกพรรณ สุขสม 4420002 • น.ส.ชุติมา คนเที่ยง 4420083 • น.ส.ปัทมา อินตรา 4420193 • น.ส.ศศิธร คีรีวงศ์ 4420339 • น.ส.ศิรินทร์ทิพย์ มุสิกะชาติ 4420349 • น.ส.ศิริพรรณ ต่อหิรัญพฤกษ์ 4420353 • น.ส.อรวรรณ ชัยชิตร 4420463

  4. Natural Language Processing (NLP) ระบบภาษาธรรมชาติเป็นการนำความรู้ทางภาษาศาสตร์มาจัดเก็บไว้ด้วยระบบคอมพิวเตอร์เป็นฐานความรู้ ระบบจะเรียกใช้ฐานความรู้ตีความหมาย ถ่ายทอดความรู้และโต้ตอบด้วยภาษาธรรมชาติ

  5. ระบบภาษาธรรมชาติมีคุณสมบัติที่สำคัญดังนี้ระบบภาษาธรรมชาติมีคุณสมบัติที่สำคัญดังนี้ 1. ส่วนของระบบอินพุตเอาท์พุตที่ใช้ในการสั่งหรือ ติดต่อกับคอมพิวเตอร์ 2. การประมวลผลภายในระบบจะใช้หลักการพื้นฐานของฐานความรอบรู้ที่เกี่ยวกับไวยากรณ์ ความหมาย และความเข้าใจของภาษาธรรมชาติ

  6. ความรู้ที่ระบบใช้ในการวิเคราะห์และสร้างอินพุตเอาท์พุตภาษาธรรมชาติประกอบด้วยความรู้ที่ระบบใช้ในการวิเคราะห์และสร้างอินพุตเอาท์พุตภาษาธรรมชาติประกอบด้วย ความรู้ทางภาษาศาสตร์ เป็นความรู้ที่เกิดจากการ ใช้หลักภาษามาวิเคราะห์และสังเคราะห์ ความรู้ทางด้านมโนทัศน์ (conceptual knowledge) เป็นความรู้ที่ระบบจะต้องเข้าใจในความหมายและสามารถแยกความแตกต่างได้

  7. การถ่ายทอดความรู้ (inferential knowledge)เป็นขบวนการที่จะใช้วินิจฉัย และถ่ายทอดความรู้ รูปแบบของผู้ใช้ เป็นการใช้ความรู้ทำความเข้าใจผู้ใช้ เพื่อให้ระบบมีความฉลาดเหมาะกับการใช้งาน

  8. แหล่งความรู้ของระบบภาษาธรรมชาติแหล่งความรู้ของระบบภาษาธรรมชาติ แบ่งแยกได้ดังนี้ ความรู้เกี่ยวกับคำ (lexical knowledge) เป็นความรู้ที่เกี่ยวกับคำ การสะกด การจัดกลุ่มตัวอักษรเป็นคำ (morphological data) การรวมคำ ผันคำ และการแบ่งแยกคำในประโยค

  9. ความรู้เกี่ยวกับไวยากรณ์ (syntactic knowledge)เป็นการนำคำมารวมกันเป็นวลี การวิเคราะห์ไวยากรณ์ การตรวจสอบไวยากรณ์ การสร้างประโยค ความรู้เกี่ยวกับความหมาย (semantic knowledge)เป็นความรู้เกี่ยวกับความหมายของภาษา ซึ่งได้แก่ มโนทัศน์ ข่ายความหมาย (semantic nets)

  10. ความรู้ทางความหมายเกี่ยวเนื่อง (discourse knowledge)เป็นความรู้เกี่ยวกับรูปแบบของผู้ใช้ การตอบโต้และสนทนา การถ่ายทอดความหมายและการตัดสินปัญหาโดยใช้ความเข้าใจ

  11. ความรู้เกี่ยวกับการถ่ายทอดความรู้ (inferential knowledge)เป็นความรู้ที่ใช้ในหลักการของปัญญาประดิษฐ์เกี่ยวกับเทคนิคการสร้างกฎเกณฑ์การถ่ายทอดและขบวนการวินิจฉัย กฎเกณฑ์การโต้ตอบและการสนทนา รวมถึงการแทนด้วยหลักการทางคณิตศาสตร์ตรรกและการวินิจฉัยหาคำตอบ

  12. การใช้งานระบบภาษาธรรมชาติการใช้งานระบบภาษาธรรมชาติ

  13. การใช้งานระบบภาษาธรรมชาติการใช้งานระบบภาษาธรรมชาติ • ตัวอย่างของระบบภาษาธรรมชาติที่มีการค้นคว้าและวิจัยรวมทั้งผลิตภัณฑ์ที่มีอยู่แล้วได้แก่ • Talkwriter เครื่องที่รับเสียงพูดของมนุษย์ แล้วมีการถ่ายเปลี่ยนสัญญาณเสียงให้อยู่รูปสัญญาณที่เครื่องสามารถอ่านได้ หรือในรูปของข้อความแบบ word processing หรืออยู่ในรูปของคำสั่งเพื่อจะส่งต่อไปใช้งานฐานข้อมูล

  14. Content scanning จะเป็นลักษณะการใช้คอมพิวเตอร์มาช่วยแสดงหรือตีความเนื้อหาของข้อความ เช่น และแปลข้อความของการเดินเรือทะเล เครื่องอ่านและแปลเทเล็กซ์การโอนเงินระหว่างประเทศ ลักษณะของข้อความที่ใช้เป็นแบบสั้นๆ คำที่ใช้มักจะเป็นคำย่อหรือสะกดผิดและไม่มีรูปไวยากรณ์ที่ดีนัก การทำงานของระบบจะทำในระดับความหมายเป็นส่วนใหญ่ เพราะจุดมุ่งหมายหรือความหมายของข้อความจะอยู่ในกรอบแคบๆ ที่พอจะคาดเดาได้

  15. Database interface จะเป็นการใช้ภาษาธรรมชาติ มาสั่งงาน เรียกใช้ฐานข้อมูลแทนที่จะใช้ภาษาคอมพิวเตอร์ทั่วๆไป ซึ่งจะเป็นลักษณะของการถามหาข้อมูลด้วยภาษาที่ใช้ในชีวิตประจำวันจากภาษาธรรมชาติที่ใช้ ก็จะมีการแปลตีความและสร้างเป็นคำสั่งเพื่อเรียกใช้ฐานข้อมูล

  16. Machine translation จะเป็นการใช้คอมพิวเตอร์ เพื่อการแปลภาษาระหว่างภาษาไทยกับภาษาอังกฤษ เป็นต้น การแปลภาษาจัดเป็นเรื่องสำคัญ สำหรับงานสำนักงานมา เพราะการติดต่อการค้าระหว่างประเทศ การแลกเปลี่ยนสื่อสารข้อมูลเป็นเครือข่ายใหญ่ระหว่างประเทศ และข้อสำคัญคือ การรวมข่ายงานของภาษาธรรมชาติทั้งในแง่ของการอินเตอร์เฟสด้วยเสียง ด้วย database interface และ text editing เข้าด้วยกัน

  17. Text editing จะเป็นลักษณะของการนำเอาวิธีการทาง NLP ของการวิเคราะห์ด้านไวยากรณ์และความหมายประกอบกับ word processing เพื่อช่วยในการตรวจสอบตัวสะกดและไวยากรณ์

  18. โมเดลการแทนภาษา • ความแตกต่างของภาษาคอมพิวเตอร์กับภาษามนุษย์ ภาษาคอมพิวเตอร์ เป็นระบบที่มีการกำหนดขอบเขตไว้ในกรอบจำกัด มีการใช้คำจำกัด มีไวยากรณ์ที่ใช้จำกัดและการตีความหมายที่ชัดเจนจึงสามารถเรียกภาษาคอมพิวเตอร์อีกอย่างหนึ่งว่า ภาษาที่มีรูปแบบ (formal language) ภาษาธรรมชาติเป็นภาษาที่มีขอบเขตกว้างมากจนยากที่จะหารูปแบบที่ตายตัวได้ กฎเกณฑ์ของภาษาธรรมชาติเป็นกฎเกณฑ์ที่เกิดขึ้นในการใช้ภาษาและเป็นที่ยอมรับของกลุ่มชนผู้ใช้นั้น

  19. การแบ่งแยกหน่วยย่อยของภาษา(natural language entity) • ประกอบด้วย • ตัวอักษร คือสัญลักษณ์ที่ใช้แทนเสียง เป็นกลุ่มของสัญลักษณ์ ที่จำกัดกลุ่มหนึ่ง • คำ (word) คือกลุ่มของตัวอักษรที่มาเรียงต่อกันเป็นคำ • ประโยค(sentence) คือกลุ่มของคำที่นำมาเรียงต่อกันเพื่อแทนความหมาย ประโยคจึงเป็นข้อความที่ใช้สื่อสารหรือโต้ตอบกัน

  20. การเขียนคำอธิบายภาษาหรือกฎเกณฑ์บางอย่างด้วย BNF • การเขียนคำอธิบายภาษาหรือหลักการทางภาษาควรมีกฎเกณฑ์บางอย่างเพื่อให้การเขียนอธิบายได้ชัดเจน และกะทัดรัดสื่อความเข้าใจได้อย่างดี ตัวอย่างเช่นการเขียนโดยใช้หลักการของ BNF • หลักการเขียนแบบ BNF หมายถึง ส่วนทางขวาเป็นส่วนประกอบของส่วนทางซ้าย โดยใช้เครื่องหมาย ::- เช่น A ::- BC หมายถึง A ประกอบด้วย B และ C • โดยมีเครื่องหมาย | ซึ่งแสดงความหมาย หรือ (or) เช่น <SUBJECT> ::- ‘I’ | ‘WE’ <VERB> ::- ‘SEE’ | ‘HIT’ | ‘GRAB’ <OBJECT> ::- ‘HIM’ | ‘HER’ | ‘YOU’ <SENTENCE> ::- SUBJECT VERB OBJECT ‘.’

  21. ลักษณะเช่นนี้เราสามารถนำมานิยามภาษาที่มีรูปแบบหรือภาษาคอมพิวเตอร์อื่นใดก็ได้ เช่น • STATEMENT> ::- ASSIGNMENT$ | GOTO$ | IF$ | IO$ • <ASSIGNMENT$> ::- I = ALEX • <GOTO$> ::- GOTO number • <IF$> ::- IF CONDITION THEN STATEMENT | • IF CONDITION THEN STATEMENT • ELSE STATEMENT • <CONDITION> ::- ALEX = ALEX | ALEX = ALEX | • ALEX > ALEX | ALEX < ALEX • <CONDITION> ::- CONDITION AND CONDITION | • CONDITION OR CONDITION | • NOT CONDITION • <IO$> ::- READ i | WRITE i • <ALEX> ::- arithmetic expression • <i> ::- identifier

  22. จากโครงสร้างการนิยามภาษาคอมพิวเตอร์ดังกล่าวนี้เป็นการนิยามทางไวยากรณ์ เพื่อใช้แทนภาษา ตัวอย่างของการกำหนดโครงสร้างภาษาไทยในลักษณะ BNF โดยกำหนดตามอักขระวิธีที่ภาษาไทยเขียนได้ 4 ระดับเช่น 1 ผู้ชายคนหนึ่ง 2 3 4

  23. ทุ ทู ญ เมื่อเขียนคำอธิบายลักษณะภาษาไทยเขียนได้ดังนี้ <thai_character>::- char_level1|char_level2|char_level3|char_level4 <char_level1> ::- t_tone_mark <char_level2> ::- t_upper_vowel|t_tone_mark <char_level3> ::- t_consonant|t_normal_vowel|t_numeric| t_special_mark <char_level> ::- t_lower_vowel <t_tone_mark> ::- <t_upper_mark> ::- <t_normal_vowel> ::- ก ข ฃ ค ฅ …… ฮ <t_consonant> ::- ะ า เ แ ใ ไ <t_numeric> ::- ๑ ๒ ๓ ๔ ๕ ๖ ๗ ๘ ๙ ๐ <t_special_mark> ::- ๆ ฯ ( ) . , <t_lower_vowel> ::- ท่ ท้ ท๊ ท๋ ทั ทิ ที ทึ ทื ท์ ท็ ทำ

  24. โครงสร้างทางภาษาศาสตร์โครงสร้างทางภาษาศาสตร์

  25. โครงสร้างทางภาษาศาสตร์นั้นแบ่งออกได้เป็นหลายระดับดังนี้โครงสร้างทางภาษาศาสตร์นั้นแบ่งออกได้เป็นหลายระดับดังนี้ • ระดับเสียง (Phonology)มีความสำคัญในการดำเนินงานทางด้าน speech recognition • ระดับหน่วยคำ (Morphology) • ระดับกลุ่มคำ (Syntax) เป็นการแบ่งคำออกเป็น รากศัพท์ prefixes และ suffixes • ระดับความหมาย (Semantics) เป็นการพิจารณาความหมายของคำ วลี อนุประโยค และประโยค • ระดับการใช้ภาษา (Pragmatics)เป็นการพิจารณาวิธีการใช้ภาษาและผลของภาษาต่อผู้ฟัง • สำหรับการวิเคราะห์ภาษาจะแบ่งออกเป็น 2 กลุ่มคือ วิเคราะห์โครงสร้างไวยากรณ์ (syntactic analysis) และการวิเคราะห์เชิงความหมาย (semantic analysis)

  26. การจำแนกคำและกลุ่มคำ Zelling S. Harrisเป็นนักภาษาศาสตร์ที่ได้เสนอกฎเกณฑ์การแทนที่คำไว้ในปี ค.ศ.1946 โดยเสนอว่า การศึกษาภาษาศาสตร์จำเป็นต้องมีการจำแนกคำและกลุ่มคำเพื่อที่จะได้นำคำที่อยู่ในกลุ่มคำชนิดเดียวกันมาแทนที่กัน ซึ่งชนิดของคำอาจจะแบ่งได้เป็น นาม, นามวลี, กริยา ,คุณศัพท์ เป็นต้น • ตัวอย่างเช่น • The monkey has eaten the banana. • นอกจากนี้ Harris ยังเสนอว่าประโยคสามารถแปลงรูปโครงสร้างไปมาได้ เช่น • การเปลี่ยนรูประหว่าง active voice กับ passive voice • The dog bit the man. (active) • The man was bitten by the dog. (passive)

  27. ไวยากรณ์เพิ่มพูน (Generative grammars) • ในปี ค.ศ.1957 Noam Chomsky ได้เขียนหนังสือชื่อ “Syntactic Structures” ซึ่งถือเป็นจุดเริ่มต้นของแนวทางการศึกษาภาษาศาสตร์ในแนวใหม่ และมีแนวทางสำหรับนำมาประยุกต์ช่วยในการประมวลผล Chomsky ได้เสนอวิธีการแทนรูปไวยากรณ์ด้วยการสร้างเป็นกฎเกณฑ์ที่แน่นอน เพื่อให้การวิเคราะห์และการสร้างประโยคเป็นไปอย่างชัดเจน ทำให้เราสามารถสร้างและเข้าใจประโยคเพิ่มขึ้นมาอีกมาก • ลักษณะของไวยากรณ์ที่ถูกพัฒนาขึ้นนี้เรียกว่า ไวยากรณ์เพิ่มพูน (generative grammars) ซึ่งเป็นการสร้างประโยคตามโครงสร้างที่ชี้แนะอยู่ในไวยากรณ์ กฎไวยากรณ์นี้ไม่สามารถชี้ว่าประโยคนั้นถูกต้องในแง่ของภาษาที่ใช้หรือไม่ แต่จะใช้อธิบายว่าประโยคนั้นมีโครงสร้างและความสัมพันธ์ยอมรับได้หรือไม่

  28. รูปแบบที่ง่ายที่สุดของไวยากรณ์เพิ่มพูนจะเรียกว่า ไวยากรณ์สถานะจำกัด (finite state grammar) Art Noun Verb สถานะสุดท้าย Q0 Q1 Q2 Q5 สถานะเริ่มต้น Adj Noun Aux Verb Q3 Q4

  29. ตัวอย่างของระบบหรือไวยากรณ์สถานะจำกัดที่สามารถนำมาใช้แทนประโยคภาษาอังกฤษตัวอย่างของระบบหรือไวยากรณ์สถานะจำกัดที่สามารถนำมาใช้แทนประโยคภาษาอังกฤษ • Art + Noun + Verb  The dog runs. • Art + Adj + Noun + Verb  The brows dog runs. • Art + Noun + Aux + Verb  The children can sing. • Art + Adj + Noun + Aux + Verb  The little children can sing.

  30. Chomsky ได้นิยามไวยากรณ์รูปใหม่ขึ้นมาเรียกว่า ไวยากรณ์โครงสร้างวลี (phase structure grammars เรียกย่อว่า PS) โดยองค์ประกอบของประโยคจะแบ่งเป็นส่วนๆตามชนิดของคำ หรือในทางภาษาศาสตร์จะเรียก ส่วนประกอบ (contituents) ได้แก่ คำนาม, กริยา เป็นต้น หลักไวยากรณ์แบบโครงสร้างวลี จะเริ่มต้นจากประโยคว่าประกอบด้วยส่วนสำคัญอะไร จากส่วนสำคัญก็แบ่งย่อย และส่วนย่อยก็แบ่งเล็กลงไปอีก S NP + VP NP Art + N VP V + NP N birds, worms, cars, ….. Art the V eat, drive, learn, …..

  31. เราสามารถนำไวยากรณ์โครงสร้างวลีมาตรวจสอบความถูกต้องทางไวยากรณ์ของประโยคที่เรียกว่า การแจงประโยค (parsing) ซึ่งคือวิธีการบอกความสัมพันธ์ของคำในประโยคนั่นเอง วิธีแจงประโยคแบบ top down parsing S NP + VP Art + N + VP The + N + VP The birds + VP The birds + V + NP The birds eat + NP The birds eat + Art + N The birds eat the + N The birds eat the worms.

  32. Context-Free Grammars (CFG)

  33. Context-Free Grammars (CFG) หลักไวยากรณ์ context-free grammars จัดเป็นส่วนหนึ่งของไวยากรณ์โครงสร้างวลี ซึ่งเป็นหลักที่สร้างขึ้นเพื่อใช้อธิบายโครงสร้างของภาษา และความสัมพันธ์ระหว่างโครงสร้างต่างๆที่ประกอบในประโยคนั้นๆโดยไม่พิจารณาในเชิงความหมายของประโยค ไวยากรณ์ context-free จะมีชื่อเรียกต่างๆกัน เช่น โดยนักภาษาศาสตร์จะเรียกว่าหลักไวยากรณ์ส่วนประชิด (immediate constituent grammars) และนักวิทยาการคอมพิวเตอร์จะเรียกว่า Backus Normal Form (BNF) หรือ Recursive Patterns

  34. S NP + VP NP Art + N VP V + NP N birds, worms, cars, ….. Art the V eat, drive, learn, ….. การเขียนไวยากรณ์แบบ CFG โดยมีลักษณะเป็นกฎจะเรียกว่า กฎการเขียนใหม่ (rewriting rules) ของการเขียนสัญลักษณ์ทางซ้ายของลูกศรใหม่ได้เป็นสัญลักษณ์ทางขวาของลูกศร สัญลักษณ์ N, Art และ V เรียกว่า สัญลักษณ์จบท้าย (terminal symbols) สัญลักษณ์ S, NP และ VP เรียกว่า สัญลักษณ์ไม่จบท้าย (nonterminal symbols)

  35. การแจงประโยค สำหรับไวยากรณ์ CFG นั้นอาจทำได้ 2 ทางคือ 1) การแจงประโยคจากบนลงล่าง (top-down parsing) เริ่มจาก ประโยค แล้วพิจารณาถึงโครงสร้างของส่วนประกอบ ในประโยค ซึ่งได้แก่ประเภทของคำต่าง ๆ ทำให้เกิดการสร้างประโยค ขึ้นใหม่ ที่ประกอบด้วยลำดับของชนิดคำตามหลักไวยากรณ์ (พิจารณาจากซ้ายไปขวา) 2) การแจงประโยคจากล่างขึ้นบน (bottom-up parsing) ใช้ตรวจสอบประโยค โดยพิจารณาจากลำดับของชนิดคำที่เรียง กันอยู่ในประโยค เพื่อพิจารณาว่า การเรียงลำดับนั้นถูกต้องหรือไม่ (พิจารณาจากขวาไปซ้าย)

  36. Context Free GrammarsSMC Example: Sue, mouse & the cat Parse tree 2 Parse tree 1 (Parse tree is also known as derivation tree)

  37. Context Free GrammarsSMC Example: Top-down parsing (A) • Top-down parsing starts with the Ssymbol and tries to rewrite it into the sentence.

  38. Context Free GrammarsSMC Example: Bottom-up parsing (A) • Bottom-up parsing starts with the words and tries to find symbols that generate them.

  39. Context Free GrammarsSMC Example: Top-down parsing (B) - using parse tree

  40. Context Free GrammarsSMC Example: Bottom-up parsing (B) - using parse tree

  41. Context Free GrammarsJA Example: John and apple Bottom-up Parsing Top-down Parsing

  42. กฎไวยากรณ์เหล่านี้ ยังไม่ได้รวมถึงส่วนที่เวียนเกิดซ้ำ (recursive) อันหมายถึงสัญลักษณ์นี้จะเวียนกลับมากำหนดตัวเองได้อีก กฎไวยากรณ์ที่สมบูรณ์จะต้องรวมถึงการเวียนเกิดซ้ำด้วย ตัวอย่างกฎไวยากรณ์ที่รวมการเวียนเกิดซ้ำของภาษาอังกฤษ กฎไวยากรณ์ S NP + VP NP Mod + N + (PP) Mod (Art) + (Adj) VP V + (ADV) VP Aux + V V Vi V Vt + NP V Vc + Adj V Vc + Adj ADV PP ADV Adv PP Prp + NP

  43. ข่ายงานการเปลี่ยนเวียนเกิดซ้ำข่ายงานการเปลี่ยนเวียนเกิดซ้ำ

  44. ข่ายงานการเปลี่ยนเวียนเกิดซ้ำข่ายงานการเปลี่ยนเวียนเกิดซ้ำ • ข่ายงานการเปลี่ยน (Transition networks) เป็นเครือข่ายประกอบด้วย • โหนด(nodes) แทนด้วยวงกลม • ส่วนโค้ง (arc) ที่มีอักษรสัญลักษณ์กำกับพร้อมลูกศรบอกทิศทาง เช่น ข่ายงานการเปลี่ยนทางเดินของนามวลีที่มาจากกฎไวยากรณ์ CFG NP Art + NP1 NP1 Adj + NP1 NP1 N + NP2

  45. Recursive Transition Networks • ข่ายงานการเปลี่ยนแบบเวียนเกิดซ้ำ • เรียกย่อๆว่า RTN • ที่มีการกระโดดข้ามระหว่างข่ายงานหนึ่งไปหาอีกข่ายงานหนึ่ง โดยแต่ละข่ายงานจะมีชื่อเรียกกำกับไว้

  46. ขั้นตอนการแจงประโยคจากบนลงล่างขั้นตอนการแจงประโยคจากบนลงล่าง ในการแจงประโยคตามกฎไวยากรณ์หรือข่ายงานการเปลี่ยน RTN จำเป็นต้องมีขั้นตอนวิธีที่แน่นอน เพื่อว่าเราจะนำไปโปรแกรมและให้คอมพิวเตอร์ช่วยในการตรวจวิเคราะห์ความถูกต้องทางไวยากรณ์ของประโยค ตัวอย่างการแจงประโยคจากข่ายงานการเปลี่ยนทางเดิน RTN (ในระหว่างการแจงประโยคนี้ จะต้องทำการเก็บบันทึกข้อมูลเพื่อติดตามทางเดินอยู่ตลอดเวลา) ข้อมูลที่สำคัญได้แก่ ตำแหน่งปัจจุบัน เพื่อบอกว่าได้แจงประโยคไปถึงส่วนไหนของประโยคแล้ว โหนดปัจจุบัน เพื่อบอกว่าการแจงประโยคเพื่อเดินตามเส้นโค้งของข่ายงาน RTN ไปถึงโหนดไหนแล้ว ตำแหน่งเดินทางกลับ เนื่องจากการเดินทางในข่ายงาน RTN จะมีการ กระโดดข้ามจากข่ายงานหนึ่งไปยังข่ายงานอื่น เพื่อให้การเดินทางนี้สามารถกลับไปจากจุดกระโดดเดิม

  47. หลักไวยากรณ์ข่ายงาน RTN ที่ประกอบด้วยข่ายงาน NP และข่ายงาน S รวมกับการมีรายการคำศัพท์หรือ lexicon ให้เลือกใช้ตามข้างล่างนี้ Art :- the, a number :- one pronoun :- one Adj :- wild, green noun :- dogs, men, saw, green verb :- ried, saw, broke, faded

  48. นอกจากนั้น การแจงประโยคแบบบนลงล่างยังจะต้องมีขั้นตอนวิธีมาใช้กำกับการเดินทางข่ายงานด้วยดังนี้ 1. ถ้าสัญลักษณ์กำกับเส้นโค้งมีชนิดของคำตรงกับชนิดคำของประโยคที่กำกับตรวจสอบ ให้ ก. ปรับปรุงตำแหน่งปัจจุบันไปยังคำต่อไป ข. ปรับปรุงโหนดปัจจุบันเป็นโหนดปลายทางของเส้นโค้ง 2. ถ้าเส้นโค้งนั้นเป็นการกระโดดไปยังข่ายงานย่อยอื่น (N) ให้ ก. บรรจุโหนดปลายทางของเส้นโค้งเป็นตำแหน่งเดินทางกลับ ข. ปรับปรุงโหนดปัจจุบันเป็นโหนดเริ่มต้นของข่ายงาน N 3. ถ้าเส้นโค้งเป็นสัญลักษณ์ pop ที่บอกการสิ้นสุดของข่ายงานและข้อมูลในตำแหน่งเดินทางกลับมีค่าอยู่ ให้ ก. ถึงข้อมูลนั้นออกมาเพื่อใช้เป็นโหนดปัจจุบัน 4. ถ้าเส้นโค้งสัญลักษณ์ pop และข้อมูลในตำแหน่งเดินทางกลับว่างเปล่า ว่าแสดงว่า การแจงประโยคเสร็จสิ้นแล้ว

  49. ขั้นตอนการแจงประโยคจากล่างขึ้นบนขั้นตอนการแจงประโยคจากล่างขึ้นบน วิธีนี้จะซับซ้อนยุ่งยากกว่าการแจงประโยคจากบนลงล่าง ตัวอย่างเช่น กฎไวยากรณ์ NP Art + Adj + Noun ในระบบล่างขึ้นบน จะต้องใช้กฎหาคำที่เรียงลำดับติดต่อกันตามกฎด้านขวาและจัดเรียงคำต่างๆให้เข้ากับกฎ ด้วยวิธีนี้การแจงประโยคจึงมีรูปแบบที่ตรงกับกฎหลายทาง ในการเปรียบเทียบคำกับกฎจึงมีการพิจารณาทีละคำ ที่เรียกว่า คีย์ตามลำดับไป

More Related