1 3. Formalny opis j zyka naturalnego Uzgodnienia
Transkrypt
1 3. Formalny opis j zyka naturalnego Uzgodnienia
Uzgodnienia Cechy j zyków naturalnych, których opis w gramatykach bezkontekstowych jest trudny, a co najmniej uci liwy, to przykładowo uzgodnienia i wymagania. ę ą 3. Formalny opis j zyka naturalnego Ŝ Jaki problem powstaje w wyniku zastosowania nast puj cych reguł? ę ą S -> NP VP NP -> Det Nominal Składnia. Gramatyki bezkontekstowe Odpowied : nadmiarowo gramatyki generuj cej przykładowo nast puj ce zdania i frazy: ź ś ć ą ę ą Zapis wymagań i modyfikatorów. *They sleeps. *this dogs (features, features, attributes) attributes) Potraktowanie symboli nieterminalnych jako symboli zło onych z przypisanymi własno ciami (cechami, atrybutami). Ŝ *Oni pi. *ten psy. ś Uzgodnienia rzeczownikrzeczownik-przymiotnik Gramatyki CFG z atrybutami czy ś Rzeczownik i modyfikuj cy go przymiotnik musz mie tak sam liczb , przypadek i rodzaj: ą ą ć ą ę ą Pozwala to przykładowo na ograniczenie stosowania reguły: S -> NP VP tylko do sytuacji, gdy liczba, rodzaj i osoba frazy rzeczownikowej NP i czasownikowej VP s takie same (czyli reprezentacj uzgodnie podmiot-orzeczenie) ą ę NP(case-nom,gender,nb,person) -> AdjP(case, gender,nb) NP(case,gender,nb,person) ń NP(case,gender,number) -> Noun(case,gender,number) S -> NP(case-nom,gender,nb,person) VP (gender,nb,person) NP(case,gender,number) -> Noun(case,gender,number) małego psa, ostatni film Felliniego … Podstawowe problemy skł składniowe - wymagania Wymagania (dopełnienia) czasownika: (typ frazy, przypadek frazy rzeczownikowej) – szukam miejsca (czego? fraza rzeczownikowa w dopełniaczu), – chc spa (co? fraza czasownikowa bezokolicznikowa), – mówi o pogodzie; mówi , e pada – daj mu cukierki przyimka: (przypadek) – w domu – na dom /na domu ę Elementy wymagane Czasowniki okre laj frazy, które s niezb dne do utworzenia poprawnego wyra enia, przy czym ten sam czasownik mo e dopuszcza ró ne zestawy wymaga (dopełnie ), np. czasownik powiedzie mo e ł czy si z fraz rzeczownikow w bierniku, ze zdaniem podrz dnym rozpoczynaj cym si od e, lub z dowolnym wypowiedzeniem stanowi cym cytat: ś ą ą ę Ŝ ć Ŝ Ŝ ń ć Ŝ ą ń ć ę ą ę ą ą ę Ŝ ą ć ę ę Ŝ ę *Ewa powiedziała (brak frazy wymaganej) *Ewa powiedziała na morzem (fraza przyimkowa) *Ewa powiedziała ładny (fraza przymiotnikowa) Ewa powiedziała wiersz (fraza rzeczownikowa w bierniku) Ewa powiedziała, e przyjdzie. (zdanie „ e”) Ewa powiedziała „Do !” * oznacza wypowiedzenia niepoprawne Ŝ Ŝ ś ć 1 Problemy z CFG - wymagania CFG z atrybutami, zapis wymaga Jaki problem powstaje w wyniku stosowania nast puj cych reguł? ę ą przyimki – ł cz si tylko z frazami rzeczownikowymi (nie musimy wi c traktowa typu frazy jak atrybutu), – narzucaj c im przypadek (który powinien by zatem atrybutem dla przyimka) ę ą VP -> V VP -> V NP PP -> Prep NP ę ą ć ą Odpowied – nadmiarowo , czyli tworzenie rozbiorów konstrukcji niepopoprawnych: ź ś *He took. *He slept the cat. *She disappeared the elephant. *na stołem *w worka frazy przyimkowe s wymagane przez czasowniki i wtedy musimy zna zarówno przypadek jak i sam przyimek (np. prosi o co , czyli przyimek ‘o’ i fraza w bierniku `o’+NPacc, ale nie prosi o czym (‘o’ + NPloc) *prosi o bajce *prosi z bajk ani nie prosi z co (‘z’+NPacc) czyli prep (form, case), np. prep(‘o’, acc) -> ‘o’ ć ć ą ć ć *On spał kota. ś ć ś ć ę ć CFG z atrybutami, zapis wymaga ć CFG z atrybutami, zapis wymaga , I Wprowadzenie podziału na klasy, w zale no ci od typu i liczby wymaga : Ŝ ś ń Przyimek z mo e ł czy si z frazami rzeczownikowymi w dopełniaczu lub narz dniku: ę Ŝ ą ć ś ć 1) czasowniki bez wymaga (tylko podmiot), np. i , biec, sta ć ń ę PP (Form, Case) -> Prep (Form, Case) NP (Case,Gender, Number,Person) VP(Gender,Num,Person,Tense) -> V1(Gender, Num,Person,Tense) V1(masc, sg,3rd,past) -> szedł 2) czasowniki z wymaganiem frazy rzeczownikowej w bierniku, np. widzie ć Prep (z, gen) -> z Prep (z, ins) -> z (gen czyli genetive czyli dopełniacz) (ins czyli instrumental czyli narz dnik) ę VP(Gender,Num,Person,Tense) -> V2(Gender, Num,Person,Tense) NP(acc,Gender,Numb,Person) V2(fem, sg,3rd,past) -> widziała z domu, z domem, z moim domem ... itd. * Warto ci argumentów pisane od wielkiej litery – zmienne, zaczynaj ce si od małej litery - stałe ś ą ę Wa ne! Ŝ CFG z atrybutami, zapis wymaga II Nie dzielimy czasowników na klasy, ale zapisujemy odpowiednie informacje w słowniku (leksykalizacja gramatyki) ustalamy maksymaln liczb wymaga (3-4), tu przyjmiemy 3 ustalamy symbol dla pustego wymagania (null) ą ę ń zapis wymaga II, cd Aby wprowadzi nowy typ wymaga nale y: 1. wprowadzi nazw wymagania (wx) i u y jej w definicji odpowiedniego czasownika 2. dopisa regule definiuj c , co rozumiemy przez dane wymaganie, czyli reguł Arg(wx) -> …. ć ń ć ę Ŝ ć VP (Gend,Num,Pers,tense) -> V (Gend, Num,Pers,Tense,W1,W2,W3) Arg (W1) Arg (W2) Arg (W3) {Arg - argument - dopełnienie/wymaganie} Arg(null) -> ε V(masc, sg,3rd,past, null, null, null) -> szedł Arg(np-acc) -> NP(acc,gend, numb,pers) V(fem, sg,3rd,past, np-acc, null, null) -> widziała Ŝ ą ć ą ę Wymagnie b d ce fraz rzeczownikow w celowniku 1) Nazwa wymagania: np-dat ę ą ą ą Ŝ u ycie dla czasownika da (da kogo/co? komu/czemu?) V(fem, pl, 3, past, np-acc, np-dat, null) -> dały ć ć 2) Arg(np-dat) -> NP(dat, Gend, Num,Pers,) 2 zapis wymaga II, cd zapis wymaga II, cd. cd. Dla dopuszczenia podmiotu przeplecionego z dopełnieniami traktujemy podmiot tak e jako wymaganie (argument), które zapisujemy na pierwszej pozycji (tu jako np-nom3fsg, bo wtedy trzeba te pami ta o uzgodnieniu podmiotu i orzeczenia) Aby dopu ci swobodny szyk definiujemy dodatkowe reguły: ś ć Ŝ a) VP(Gend,Num,Pers,Tense) -> Ŝ ę ć V(gend, Num,Pers,Tense,W1,W2,W3) Arg(W2) Arg(W1)Arg(W3) b) VP(gend,num,pers,tense) -> Arg(W1) V(Gend, Num,Pers,Tense,W1,W2,W3) Arg(W2) Arg(W3) ... Je li V(masc, sg,3rd,past, np-acc, np-instr, null) -> wbił to reguła a) pozwala na analiz frazy: wbił młotkiem gwó d a reguła b) gwó d wbił młotkiem ś ź ź ę ź ź VP(gend,num,pers,tense) -> V(gend, num,pers,tense,w1,w2,w3) Comp(w1) Comp(w2) Comp(w3) Comp(null) -> ε V(masc, sg,3rd,past, np-nom3msg, null, null) -> szedł Comp(np-nom) -> NP(nom, Gend, Numb, Pers) Comp(np-acc) -> NP(acc, Gend, Numb, Pers) V(fem, sg,3rd,past, np-nom3fsg, np-acc, null) -> widziała Elementy opcjonalne (modyfikatory) Opis frazy przymiotnikowej Frazy mo na (teoretycznie) dowolnie rozszerza o elementy opcjonalne, przy czym typ tych elementów zale y od typu frazy: Ŝ ć Ŝ AdjP -> Adj AdjP -> Adj AdjP AdjP -> AdvP AdjP AdvP -> Adv | Adv AdvP AdjP -> Adj PP PP -> Prep NP AdjP -> AdjP Conj AdjP AdjP -> AdjP Coma AdjP Conj -> i | lub Coma -> , – frazy rzeczownikowe mog by modyfikowane frazami ą ć przymiotnikowymi: mały biały pies gładki szeroki skórzany pas – frazy czasownikowe i przymiotnikowe mog by modyfikowane frazami przysłówkowymi: spał niespokojnie latał niebezpiecznie wysoko przera liwie gło no bardzo mało zabawny ą ć ś biały biały mały wesoły bardzo biały biały z połyskiem biały i ciemno niebieski biały, zielony i br zowy ą ź (nie rozwa amy tu ogranicze semantycznych) Ŝ ń Opis frazy przymiotnikowej AdjP (C, G, N) -> Adj (C, G, N) biały AdjP (C, G, N) -> Adj (C, G, N) AdjP (C, G, N) AdjP (C, G, N) -> AdvP AdjP (C, G, N) bardzo biały AdvP -> Adv | Adv AdvP AdjP (C, G, N) -> Adj (C, G, N) PP (F,C1) biały z połyskiem AdjP (C, G,N) -> AdjP (C, G, N) Conj AdjP (C, G, N) AdjP(C,G,N) -> AdjP (C, G, N) Coma AdjP (C,G,N) biały i ciemno niebieski, biały, zielony i br zowy ą Zapis modyfikacji Fraza rzeczownikowa modyfikowana fraz przymiotnikow ą ą NP (C, G, N, P) -> AdjP (C,G, N) NP (C,G,N,P) NP (C, G, N, P) -> NP (C,G,N,P) AdjP (C,G, N) Problem: wiele rozbiorów mały piec kaflowy: [mały piec] kaflowy mały [piec kaflowy] Conj -> i | lub Coma -> , 3 Elementy opcjonalne (modyfikatory), 2 Zapis modyfikacji rzeczownikowe i czasownikowe mog by modyfikowane frazami przyimkowymi: bułka z masłem czytał z uwag pojechał w pi tek, po porannym spotkaniu, przed obiadem sukienka ze sztruksu w niebieskie pasy z krótkimi r kawkami z białymi mankietami frazy ą ć Fraza rzeczownikowa modyfikowana fraz przyimkow ą ą NP (C, G, N, P) -> NP (C,G,N,P) PP (Form, C1) ą ą ą ą VP ( G, N, P, W1, W2, W3) -> VP ( G, N, P, W1, W2, W3) PP (Form, C1) ę Fraza czasownikowa modyfikowana fraz przyimkow frazy rzeczownikowe mog by modyfikowane zdaniami wzgl dnymi: człowiek, który wie wszystko to, co zostało po wczorajszym przyj ciu ą ć ę ę Parsowanie, Parsowanie, gramatyki bezkontekstowe Konstrukcje wspó współrz dne Wszystkie typy konstrukcji mo na ł czy spójnikami tworz c konstrukcje współrz dne (czasem mo na ł czy te konstrukcje ró nych typów) Ŝ ą ć Ŝ ą ć Ŝ CFG cz sto u ywane do opisu struktury frazowej, a zwłaszcza kolejno ci składników Potrzebna pami : stos (czasami stos stosów) o wielko ci zale nej od stopnia zagnie d enia rekurencji ę Ŝ ś ę ą Ŝ ś ę ć Ŝ Ŝ Ŝ ś – idzie i piewa – goło i wesoło – do ta ca i do ró a ca ń Ŝ Czas parsowania: w ogólnym przypadku O(n3) Ograniczenia: np. anbncn (gramatyka kontekstowa) ń – po południu i wieczorem Parsowanie gramatyk CFG, podej cie toptop-down S -> NP VP | Aux NP VP | VP NP -> Det Nom | PropNoun Nom -> Noun Nom | Noun VP -> V | V NP Det -> a | this | that Noun -> flight | I | morning book Aux -> does V -> prefer | book Book that flight. Top-down.ps Adobe Acrobat nie mo e by reguł z lewostronn rekurencj S -> NP VP | Aux NP VP | VP NP -> Det Nom | PropNoun Nom -> Noun Nom | Noun VP -> V | V NP Det -> a | this | that Noun -> flight | I | morning | book Aux -> does V -> prefer | book ą ę ć ą ć bottom-up.ps Adobe Acrobat 7.0 Document ą Ŝ Book that flight. Document rozpoczynamy od symbolu pocz tkowego i „rozwijamy” reguły analiza tylko tych reguł, które maj szans by zastosowane sugerowanie hipotez niezgodnych z analizowanym ci giem słów Parsowanie gramatyk CFG, podej cie bottomottom-up ą ą staramy si znale analizy poszczególnych elementów ci gu wej ciowego i „sklejamy” je formułowanie hipotez zgodnych z danymi (lokalnie) sugerowanie hipotez bezsensownych w kontek cie problemy z rekurencj ę ź ć ą ś ś ą 4 Parsowanie gramatyk CFG, podej cie toptop-down with bottombottom-up filtering Problemy dla analizy toptop-down S -> NP VP | Aux NP VP | VP NP -> Det Nom | PropNoun Nom -> Noun Nom | Noun VP -> V | V NP Det -> a | this | that Noun -> flight | morning | book Aux -> does PropNoun -> I V -> prefer | book Nie mo na u ywa gramatyk, w których pierwszy symbol prawej strony jest taki sam jak symbol po lewej stronie produkcji: Ŝ Ŝ ć struktury rekurencyjne NP -> NP PP (lot do Pary a) Book that flight Noun/Verb Det Noun Ŝ VP -> VP PP (wystartował w pi tek po południu) ą Nie rozpatrujemy reguł, dla których nie istnieje takie dalsze rozwini cie, które da w wyniku pierwszy symbol z analizowanego wej cia dla ka dej kategorii sporz dzamy odpowiednia list typów słów S Det, PropNoun, Aux,Verb NP Det, PropNoun Nominal Noun VP Verb ę ś struktury współrzędne S -> S Conj S (Piotr wyjechał do Krakowa, a Ania jest chora) NP -> NP Conj NP (Ania i Piotr wyszli wcze niej) ś Problemy z opisem przy u yciu CFG Niejednoznaczno ci - wielo rozbioró rozbiorów. Najcz stsze przyczyny niejednoznaczno ci: – frazy przyimkowe mog by doł czane na ró nym poziomie, np. ę ś ą ć ą ą ę Problemy z opisem CFG, cd Ŝ spytaj o [samolot z Krakowa do Warszawy w pi tek ] spytaj [ o samolot z Krakowa do Warszawy ] w pi tek Tradycyjny podział na fraz podmiotu i orzeczenia dla polskiego ma mały sens: – Jana Piotr zobaczył od razu. Nieci gło ci: – Jan si znowu bardzo du o spó nił – Starego nie lubi chleba – Ty tego nie wiedział! ę ś ą Ŝ ą ą ź ę – ró ne interpretacje koordynacji: Ŝ Ŝ ę ś [ [ksi ka lub film] o impresjonistach ] [ksi ka „Sztuka w zarysie”] lub [ film o impresjonistach] ą ą Ŝ Ŝ – ró ny podział fraz rzeczownikowych (na ogól niepotrzebne): Ŝ lot z [ Pary a do Warszawy] [ lot z Pary a ] do Warszawy Ŝ NP -> NP PP Próby zaradzenia problemom: – droga teoretyczna- silniejsze formalizmy – droga praktyczna - ograniczanie rekurencji, „r czne” sterowanie ę Ŝ Parsowanie powierzchniowe (shallow parsing) parsing) Hierarchia gramatyk/j zykó zyków (Chomsky, , 1959) Chomsky Wykorzystywanie gramatyk regularnych (implementowanych jako automaty) do rozpoznawania niektórych elementów tekstów, np. regularna (Regular) X → α Y gdzie X,Y s symbolami nieterminalnym, α ci giem ą ą terminali; Y mo e by pomini te Ŝ rozpoznawanie granic fraz, przykład NG (noun group) – zaimek, okre lenie czasu (np. yesterday), data ć ę bezkontekstowa (Context-free) X → γ, X -symbol nieterminalny, γ ci g dowolnych symboli kontekstowa (Context-sensitive) αXβ β → αγβ, X - symbol nieterminany, α,β,γ ci gi symboli ś NG -> Pronoun | Time-NP | Date-NP ą – ‘head noun’ poprzedzone opcjonalnie przedimkiem), frazy z form -ing, ą oraz ‘kompletne frazy przedimkowe’, np. only five, this ą terminalych i nieterminalnych, γ nie mo e by pusty Ŝ NG -> (DETP) (Adjs) HdNns | DETP Ving HdNns | DETP-CP (and HdNns) ( powierzchniowo analizy wida po tym, e nie sprawdzamy adnych uzgodnie , nie wi emy analiz poszczególnych fragmentów) ś ą ć ć Ŝ Ŝ ć rekurencyjnie przeliczalna (Turing Equivalent, Type 0) α → β ; α,β ci gi symboli terminalych i nieterminalnych ą ń Ŝ Rozpoznanie liczb pisanych słownie, dat, nazw własnych, ... 5 J zyki regularne i metody ich rozpoznawania/generowania Wyra enia regularne J zyk regularny to j zyk generowany przez wyra enie regularne (wykorzystanie: Perl, emacs, Word, sed, awk, grep, vi, netscape) Wyra enie regularne to: ę ę Ŝ Przykłady j zyków regularnych: ę Ŝ a) wyra enie stałe φ (j zyk pusty |φ φ|) b) wyra enie Λ (j zyk składaj cy si ze słowa pustego Λ) c) wyra enie b d ce pojedyncz zmienn y1,..., yn d) je eli U i W s wyra eniami regularnymi opisuj cymi j zyki |U| i |W|, to (U⋅⋅W), (U∪ ∪ W) i (U)* s wyra eniami regularnymi opisuj cymi odpowiednio j zyki |U||W|, |U|∪ ∪ |W| i |U|* ka de wyra enie regularne mo na uzyska z wyra e opisanych w a)c) za pomoc sko czonej liczby operacji z d). ę Ŝ ę ę Ŝ ą ę Ŝ ą ą j zyk owcy: be! bee! beee! beeee! … gramatyka: S -> beE E -> ! E -> eE (zapis: E -> ! |eE ) wyra enie regularne: bee*! (be+!) ę Ŝ ą ę Ŝ ą Ŝ ą ą Ŝ ę ą liczby całkowite gramatyka: S -> 0S | 1S | … | 9S | 0 | 1 | 2 | … | 9 ń Ŝ Ŝ Ŝ ć Ŝ ([0..9]+) wyra enie regularne [0..9][0..9]* ń Ŝ ą (* - oznacza 0 lub wi cej razy) ę Jakie j zyki s regularne? Angielski nie jest j zykiem regularnym Chomsky (1956,1957), Partee (1990) The cat likes tuna fish. The cat the dog chases likes tuna fish. The cat the dog the rat bit chases likes tuna fish. The cat the dog the rat the elephant admired bit chases likes tuna fish. Je eli L jest j zykiem regularnym, to istniej ci gi symboli ≥0 teminalnych x,y,z, takie, e y ≠ ε i xynz ∈ L dla n≥ Ŝ ę ą ą Ŝ np. anbn nie jest regularny (nie mo na „pompowa ” ani ak, ani bk ani (ab)k Ŝ ć (jest to j zyk bezkontekstowy: ę S-> a S b S-> ε ) (the + noun)n (transitive verb)n-1 likes tuna fish - L1, nie jest regularny J zyki naturalne nie s regularne, w szczególno ci nie jest regularny angielski. ę ą ś Idea dowodu: budujemy j zyk regularny L2, którego przeci cie z j zykiem angielskim da w wyniku L1. Poniewa przeci cie dwóch j zyków regularnych jest regularne, a L1 nie, oznacza to, e angielski te nie jest regularny. ę ę ę Ŝ ę ę Ŝ Ŝ – L2 = zbiór wyra e A* B* likes tuna fish, gdzie Ŝ ń – A = { the cat, the dog, the elephant, the rat, ...} – B = { chased, admires, bit, ate ...} Do jakiej klasy nale naturalne? j zyki Dlaczego CFG ? Długa dyskusja o tym, do której kategorii nale poszczególne j zyki naturalne. Wiele „dowodów” na to, e angielski jest j zykiem kontekstowym. Ŝ ę ą wyra enia regularne - zbyt słabe (ograniczenia: np. anbn), zalety: Ŝ Ŝ – Wzajemna odpowiednio : ś ć ę gramatyki regularne ↔ wyra enia regularne ↔ FSA Ŝ Obecny stan wiedzy: – składnia i morfologia angielskiego jest bezkontekstowa – szwajcarski dialekt niemieckiego ma składni kontekstow – morfologia j zyka Bambara (Mali) kontekstowa ę ś ą ę Co nie znaczy, e j.naturalny daje si łatwo opisa za pomoc gramatyki bezkontekstowej ,ani e jego podzbioru nie mo na opisywa za pomoc gramatyk regularnych Ŝ ę ć ę ć ć ś ć ci gu wej ciowego) ą ś gramatyki kontekstowe, gramatyki klasy 0: – łatwo wyra a si ró ne skomplikowane własno ci j zyka, Ŝ ę Ŝ ś ę ą Ŝ ć parsowania: Pami - stała Czas parsowania liniowy (~ długo – Efektywno – nieefektywne obliczeniowo. ą 6 Dlaczego jednak cz sto wyra enia regularne? Automaty Istnieje wzajemnie jednoznaczna odpowiednio mi dzy gramatykami regularnymi a automatami sko czonymi ć ś ę ń Istniej efektywne metody sprawdzenia czy słowo nale y do j zyka regularnego – automaty sko czone. ą Ŝ ń ę Automat sko czony Urz dzenie sekwencyjne mog ce znajdowa si w sko czonej liczbie stanów, czytaj ce symbol po symbolu. Przeczytanie symbolu zmienia stan urz dzenia na inny i przesuwa ta m wej ciow o jedn klatk na lewo. ń ą ć ą ń ę ą ą ś ą ą ś ę ę Automat sko czony zupełny (niekoniecznie deterministyczny) automat Rabina Scotta (ka dy automat sko czony jest równowa ny deterministycznemu automatowi Rabina-Scotta). ń ń Ŝ Ŝ Definicja automatu Przykł Przykład automatu Automat sko czony to pi tka < Q, ∑, δ, qs, Qf >, gdzie ń j zyk owcy: be! bee! beee! beeee! … gramatyka: S -> beE E -> ! E -> eE wyra enie regularne: bee*! (be+!) automat: Q={q0,q1,q2,q3} ∑ ={a,b,c,...,z, !,?} e b e ! q0 q1 q2 q3 ą ę Q - sko czony zbiór stanów q0,q1, ... qn Σ sko czony zbiór symboli wej ciowych (alfabet) ∈Q qs - stan pocz tkowy∈ Qf ⊆ Q zbiór stanów ko cowych (akceptuj cych) δ(q,i) tablica przej Q × Σ -> Q ; dla danego symbolu wej ciowego i stanu warto ci jest stan automatu ń ń Ŝ ś ą ń ś ą ć ś ś ą (je li alfabet jest du y (tu wszystkie litery) dla zwi kszenia czytelno ci pomija si cz sto przej cia dla symboli uniemo liwiaj cych doj cie do stanów akceptuj cych) ś Ŝ ę ę ę ś ś Ŝ ą ś ą Przykł Przykład automatu, 2 Transducery Formy słowa owca: owca, owcy, owcy, owc , owc , owcy gramatyka: S -> owcE ę ą E -> a | y | ę | ą wyra enie regularne: automat: ę ń ą ę Ŝ ą Ŝ ą ą ś ą ę ą q2 q3 a ę owc q0 Transducery to automaty sko czone, na łukach których znajduj si pary symboli. Dla ka dego przej cia przez automat otrzymujemy wiec par powi zanych ze sob słów. Transducer wi e ze sob dwa j zyki regularne. ę owc[ay ] Ŝ q4 Prosty przykład zamiana symboli 0 i 1 (tzn. 0110 -> 1001) y q1 1:0 q5 q0 ą 0:1 (tu zakladamy, e mamy ju rozpoznany pocz tek i koniec słowa) Ŝ Ŝ ą 7 Transducery Automaty, rozszerzenia zamiana ci gów ‘ab’ na ‘x’ ? oznacza dowolny, nie wymieniony na innych łukach symbol pojedynczy symbol na łuku oznacza, e go kopiujemy, ą Ŝ np. a oznacza a:a Automat z wyj ciem: Automat Moore’a nad alfabetem wej ciowym T i wyj ciowym Y nazyamy trójk <S , M, G>, gdzie S sko czony zbiór stanów, M - funkcja przej cia S x T -> S , G: S -> Y. ś ś ś ę ń Słowo: aabaaabb Wej cie: a a b a a a b b Ci g stanów: 0 1 (1) 2 0 1 1 (1) 2 0 0 ś ś Automat ze stosem automat z ta m wej ciow i ta m (stosem) roboczym ś ą ś ą ś ą ą Wyj cie: a (a) x a a (a) x b ś Maszyna Turinga automat z ta m wej ciow prawostronnie nieograniczon i obustronnie nieograniczon ta m robocz , która mo e by przesuwana w obu kierunkach ś axaaxb ą ś ą ą ą ś ą ą Ŝ ć (n) oznacza cie k , z której si trzeba było wycofa ę ś ę Ŝ ć J zyki formalne j zyk (gramatyka) ę problem x ∈ L rozpoznawany przez Dzi kuj za uwag . ę regularny automat Rabina-Scotta rozstrzygalny (FSA) bezkontekstowy automat ze stosem rozstrzygalny (PSG) kontekstowy dwuta mowa maszyna Turinga rozstrzygalny (TAG) o ograniczonej długo ci ta my ę ę ś ś ś rekurencyjnie dwuta mowa maszyna Turinga nierozstrzygalny przeliczalny (ATN, HPSG) ś 8