圖3 覆蓋形容詞短語內(nèi)部組成成分細節(jié)的FSA語法的FSA語法的一部分

圖2和圖3中的自動機可以組合成一個單一的更大的名詞組識別器。這個識別器以NG自動機開始，迭代地把每個參照展開為其他規(guī)則或自動機。因為這些參照中沒有一個是遞歸的，即AdjP的展開不必參照AdjP，所以這樣的展開是可能的。

但是，如果建立一個更復(fù)雜的英語語法，就會出現(xiàn)這種遞歸。例如，在關(guān)系從句和其他名詞后修飾語的規(guī)則中，定義一個完整的NP需要參照其他NP。

處理遞歸的一個方法是限制遞歸的數(shù)量，只允許有限數(shù)量的遞歸。FASTUS就是這樣做的。在FASTUS中使用了層疊式自動機，一層一層地從較小的名詞組逐漸構(gòu)成較大的名詞組，這樣就限制了遞歸在每個層次中的數(shù)量。FASTUS的第二層發(fā)現(xiàn)非遞歸的名詞組；第三層把這些名詞組加上度量短語，結(jié)合成更大的像NP那樣的單位：

20, 000 iron and "metal wood" clubs a month

然后再附加上介詞短語：

production of 20, 000 iron and "metal wood" clubs a month

再處理名詞組連接詞：

a local concern and a Japanese trading house

在一個單層的系統(tǒng)中，這些現(xiàn)象的每個都分別要求遞歸規(guī)則（例如，NP→NP and NP）。但是，如果把剖析分解成兩個層次，F(xiàn)ASTUS就可以把規(guī)則左手邊的一個NP作為不同種類的對象來處理，也就是說，把規(guī)則左手邊的一個NP作為規(guī)則右手邊的兩個NP來處理。

處理遞歸的第二種方法是使用貌似有限狀態(tài)而實際上并非有限狀態(tài)的模型。其中的一個模型是遞歸轉(zhuǎn)移網(wǎng)絡(luò)（Recursive Transition Network,簡稱RTN）。一個RTN可以使用如圖2和圖3所示的狀態(tài)圖的集合來定義，其中每個弧上有一個終極符號或非終極符號。RTN和FSA的不同之處在于它們處理非終極符號的方法。在RTN中，每當自動機遇到一個帶有非終極符號的弧時，它把這個非終極符號作為一個子程序（subroutine）來處理。自動機把它的當前位置放到一個棧中，跳到這個非終極符號。當這個非終極符號剖析結(jié)束之后，自動機再跳回原位置。如果一個NP規(guī)則包含一個自身的參照，RTN再次把當前位置放到棧中，然后再跳回NP的開始處。

由于RTN與上下文無關(guān)語法是完全等價的，所以遍歷一個RTN就可以想像成是使用一個上下文無關(guān)規(guī)則來進行簡單的自頂向下剖析的過程，而且這個過程可以用圖表示出來。在描述或顯示一個語法時，通?？梢允褂肦TN作為一個恰當?shù)谋扔鲌D示，或者作為實現(xiàn)具有小量遞歸但又不是有限狀態(tài)的系統(tǒng)的一種方法。

責(zé)任編輯：admin