Question

好的，所以这项计划必须完成3项任务：

解析以列表形式给出的句子，在这种情况下（在整个示例中）句子将是[the，traitorous，tostig_godwinson，was，slain]。（它的历史，不要问！）所以这看起来像：
```
sentence(noun_phrase(det(the),np2(adj(traitorous),np2(noun(tostig_godwinson)))),verb_phrase(verb(slain),np(noun(slain)))).
```
使用解析的句子提取主语，动词和对象，并作为列表输出，例如： [tostig_godwinson,was,slain]使用当前示例。我有这个工作，直到我尝试3号。
使用目标列表并将其与知识库进行比较，基本上回答您在第一时间提出的问题（请参阅下面的代码），因此使用此问题和知识库，程序将打印出'the_battle_of_stamford_bridge'为这是知识库中与相关列表匹配最多的句子

所以这就是我到目前为止的地方：

history('battle_of_Winwaed',[penda,       king_of_mercia,was,slain,killed,oswui,king_of_bernicians, took_place, '15_November_1655']).

history('battle_of_Stamford_Bridge',[tostig_godwinson,herald_hardrada,was,slain, took_place, '25_September_1066']).

history('battle_of_Boroughbridge',[edwardII,defeated,earl_of_lancaster,execution, took_place, '16_march_1322']).

history('battle_of_Towton',[edwardIV,defeated,henryVI,palm_Sunday]).

history('battle_of_Wakefield',[richard_of_york, took_place, 
'30_December_1490',was,slain,war_of_the_roses]).

history('battle_of_Adwalton_Moor',[earl_of_newcastle,defeats,fairfax, took_place, '30_June_1643',battle,bradford,bloody]).

history('battle_of_Marston_Moor',[prince_rupert,marquis_of_newcastle,defeats,fairfax,oliver_cromwell,ironsides, took_place, 
'2_June_1644', bloody]).

noun(penda).
noun(king_of_mercia).
noun(oswui).
noun(king_of_bernicians).
noun('15_November_1655').
noun(tostig_godwinson).
noun(herald_hardrada).
noun('25_September_1066').
noun(edwardII).
noun(earl_of_lancaster).
noun('16_march_1322').
noun(edwardIV).
noun(henryVI).
noun(palm_Sunday).
noun(richard_of_york).
noun('30_December_1490').
noun(war_of_the_roses).
noun(earl_of_newcastle).
noun(fairfax).
noun('30_June_1643').
noun(bradford).
noun(prince_rupert).
noun(marquis_of_newcastle).
noun(fairfax).
noun(oliver_cromwell).
noun('2_June_1644').
noun(battle).
noun(slain).
noun(defeated).
noun(killed).
adj(bloody).
adj(traitorous).
verb(defeats).
verb(was).
det(a).
det(the).
prep(on).

best_match(Subject,Object,Verb):-
        history(X,Y),
        member(Subject,knowledgebase),
        member(Object,knowledgebase),
        member(Verb,knowledgebase),
        write(X),nl,
        fail.
micro_watson:- write('micro_watson: Please ask me a question:'), read(X), 
sentence(X,Sentence,Subject,Object,Verb),nl,write(Subject),nl,write(Verb),nl,write(Object).

sentence(Sentence,sentence(Noun_Phrase, Verb_Phrase),Subject,Object,Verb):-
    np(Sentence,Noun_Phrase,Rem),
    vp(Rem,Verb_Phrase),
    nl, write(sentence(Noun_Phrase,Verb_Phrase)),
        noun(Subject),
    member(Subject,Sentence),
        noun(Object),
    member(Object,Rem),
    verb(Verb),
    member(Verb,Rem),
        best_match(Subject,Object,Verb).

member(X,[X|_]).
member(X,[_|Tail]):-
    member(X,Tail).
np([X|T],np(det(X),NP2),Rem):-
    det(X),
    np2(T,NP2,Rem).
np(Sentence,Parse,Rem):- np2(Sentence,Parse,Rem).
np(Sentence,np(NP,PP),Rem):-
        np(Sentence,NP,Rem1),
        pp(Rem1,PP,Rem).
np2([H|T],np2(noun(H)),T):-noun(H).
np2([H|T],np2(adj(H),Rest),Rem):- adj(H),np2(T,Rest,Rem).
pp([H|T],pp(prep(H),Parse),Rem):-
    prep(H),
    np(T,Parse,Rem).
vp([H|[]],verb(H)):-
    verb(H).
vp([H|T],vp(verb(H),Rest)):-
    verb(H),
    pp(T, Rest,_).
vp([H|T],vp(verb(H),Rest)):-
    verb(H),
    np(T, Rest,_).

正如我所说的那样，我的第二号工作直到我尝试了3号，现在它只是打印解析后的句子然后给我一个'错误：超出本地堆栈消息'任何帮助都非常感谢！所以在顶部是我们比较列表以找到最佳匹配的知识库，这些被best_match方法调用（虽然在这个阶段不正确），该方法在解析句子并提取后的句子方法之后立即执行。关键词。如果代码非常布局，我也很抱歉！干杯

Answer 1

我认为发布此内容的人永远不会回来，我想提醒自己一些序言，所以在这里。

此代码存在两个主要问题，除了某些谓词中仍然存在一些逻辑问题。

问题1： 你忽略了单例警告，它们通常是不可忽视的。最佳匹配谓词应如下所示：

best_match(Subject,Object,Verb):-
        history(X,Y),
        member(Subject,Y),
        member(Object,Y),
        member(Verb,Y),
        write(X),nl,
        fail.

另一个警告是关于Sentence谓词中的sentence变量，所以它是这样的：

sentence(X,Subject,Object,Verb),nl,write(Subject),nl,write(Verb),nl,write(Object).

sentence(Sentence,Subject,Object,Verb):-

    np(Sentence,_,Rem),     
    vp(Rem,_),  
    nl, 
        noun(Subject),
    member(Subject,Sentence),
        noun(Object),
    member(Object,Rem),
    verb(Verb),
    member(Verb,Rem),
        best_match(Subject,Object,Verb).

问题2： 我假设您将np逻辑划分为np和np2以避免无限循环，但后来忘记在必要的地方应用此除法。最长的np子句应该是：

np(Sentence,np(NP,PP),Rem):-
        np2(Sentence,NP,Rem1),
        pp(Rem1,PP,Rem).

如果你真的想在那里允许更复杂的np，我怀疑，你可以这样做：

np(Sentence,np(NP,PP),Rem):-
  append(List1,List2,Sentence),
  List1\=[],
  List2\=[],
  np(List1,NP,Rem1),
  append(Rem1,List2,Rem2),
  pp(Rem2,PP,Rem).

这样你就不会一遍又一遍地使用相同的参数调用np，因为你确保每次检查的句子都更短。

小问题： （在修复无限循环问题后，程序如何工作）

重复最后一个vp
我不确定你的语法，例如为什么"defeated"是名词......

为了检查程序是否正常，我使用了句子[edwardIV,defeated,henryVI,on,palm_Sunday].

我将"defeated"更改为动词，并将最后vp子句更改为：

vp([H|T],vp(verb(H),Rest)):-
    verb(H),
    np(T,_,Rest1),      
    pp(Rest1, Rest,_).

对于例句，我将battle_of_Boroughbridge和battle_of_Towton作为结果。

列表交集，Prolog

1 个答案: