18、自然逻辑、自然语言推理与高效受控语言设计

自然逻辑、自然语言推理与高效受控语言设计

1. 自然逻辑与自然语言推理

自然逻辑模型并非自然语言推理问题的通用解决方案。许多自然语言推理（NLI）问题依赖于自然逻辑未涉及的推理类型，且该推理方法在演绎能力上存在一定局限性。

NatLog系统在处理RTE3问题时，自身准确率一般，仅为59%，但精度相对较高。这表明可将其与广泛覆盖的RTE系统进行混合。例如，将NatLog作为组件添加到斯坦福RTE系统中，准确率提高了4%。

尽管存在局限，但自然逻辑模型仍有重要价值。基于词汇和句法相似性的近似方法虽能处理许多NLI问题，但在涉及否定、反义、量词、含义词等现象的推理时容易混淆。而自然逻辑模型无需进行完整语义解释，就能实现处理此类推理所需的逻辑精度，其实用价值在FraCaS和RTE3测试套件的评估中得到了体现。

2. 受控语言与语义复杂性

2.1 受控语言概述

受控语言（CL）是自然语言（如英语）的一个受限片段，具有有限的词汇和少量语法规则。其目的是处理自然语言的歧义问题，通过规则、符号和组合的语法导向翻译算法，将语句“编译”成明确的逻辑公理和/或查询。

2.2 语义复杂性

语义复杂性由Pratt和Third定义和研究，每个英语受控片段都会生成一个逻辑片段，语义复杂性即推理其意义表示（MRs）的计算复杂性（即相关可满足性问题的计算复杂性）。他们还指出语义复杂性与覆盖范围相关，不同的英语结构组合对语义复杂性有不同影响，可分为可处理（PTime语义复杂性）、难处理（NP - 难语义复杂性）或不可判定。

2.3 Pratt和Third的英语片段