دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Masaru Tomita
سری:
ISBN (شابک) : 0792392019, 9780792392019
ناشر: Springer
سال نشر: 1991
تعداد صفحات: 182
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Generalized LR Parsing به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه LR تعمیم یافته نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
الگوریتم تجزیه LR تعمیم یافته (برخی آن را "الگوریتم تومیتا" می نامند) در ابتدا در سال 1985 به عنوان بخشی از پایان نامه دکترای من در دانشگاه کارنگی ملون توسعه یافت. وقتی دانشجوی کارشناسی ارشد در CMU بودم، سعی کردم چند سیستم زبان طبیعی را بر اساس روشهای تجزیه موجود بسازم. اما سرعت تجزیه آنها همیشه مرا آزار می داد. گاهی اوقات به این فکر میکردم که آیا میتوان یک تجزیهکننده زبان طبیعی ساخت که بتواند جملات نسبتا طولانی را در یک زمان معقول بدون کمک ماشینهای اصلی بزرگ تجزیه کند. در عین حال، من همیشه از سرعت کامپایلرهای زبان برنامه نویسی شگفت زده می شدم، زیرا آنها می توانند جملات بسیار طولانی (یعنی برنامه ها) را حتی در ایستگاه های کاری خیلی سریع تجزیه کنند. دو دلیل وجود دارد. اول، زبان های برنامه نویسی به طور قابل توجهی ساده تر از زبان های طبیعی هستند. و ثانیا، آنها روش های تجزیه بسیار کارآمد، به ویژه LR را دارند. الگوریتم تجزیه LR ابتدا یک دستور زبان را در یک جدول تجزیه LR از پیش کامپایل می کند و در زمان تجزیه واقعی، تجزیه شیفت کاهش را با هدایت قطعی جدول تجزیه انجام می دهد. بنابراین، کلید کارایی LR، پیش کامپایل کردن دستور زبان است. چیزی که در سال 1985 هرگز برای زبانهای طبیعی امتحان نشده بود. البته، دلیل خوبی وجود داشت که LR هرگز برای زبانهای طبیعی اعمال نشده بود. به سادگی غیرممکن بود اگر گرامر بدون متن شما به اندازه کافی پیچیده تر از زبان های برنامه نویسی باشد، جدول تجزیه LR آن چندین عمل خواهد داشت و تجزیه قطعی دیگر امکان پذیر نخواهد بود.
The Generalized LR parsing algorithm (some call it "Tomita's algorithm") was originally developed in 1985 as a part of my Ph.D thesis at Carnegie Mellon University. When I was a graduate student at CMU, I tried to build a couple of natural language systems based on existing parsing methods. Their parsing speed, however, always bothered me. I sometimes wondered whether it was ever possible to build a natural language parser that could parse reasonably long sentences in a reasonable time without help from large mainframe machines. At the same time, I was always amazed by the speed of programming language compilers, because they can parse very long sentences (i.e., programs) very quickly even on workstations. There are two reasons. First, programming languages are considerably simpler than natural languages. And secondly, they have very efficient parsing methods, most notably LR. The LR parsing algorithm first precompiles a grammar into an LR parsing table, and at the actual parsing time, it performs shift-reduce parsing guided deterministically by the parsing table. So, the key to the LR efficiency is the grammar precompilation; something that had never been tried for natural languages in 1985. Of course, there was a good reason why LR had never been applied for natural languages; it was simply impossible. If your context-free grammar is sufficiently more complex than programming languages, its LR parsing table will have multiple actions, and deterministic parsing will be no longer possible.