Augmented Transition Network

En Augmented Transition Network er en type graf, der anvendes til operationel definition af formelle sprog, især hvad angår parsing af naturlige sprog relativt komplekse, har bred anvendelse i kunstig intelligens. En ATN kan i teorien at analysere strukturen af ​​en sætning, selvom kompliceret.

ATN er bygget på tanken om at bruge tilstandsmaskiner at udføre parsing af ord. WA Woods i "Transition Network Grammars for Natural Language Analysis" angiver, at tilføje den mekanisme af rekursion til en endelig tilstand model, kan du analysere mere effektivt. Den er fremstillet af et sæt af overgangsmetaller grafer stedet for at bygge en automat for en bestemt sætning. En sætning er grammatisk korrekt parsificata nå en endelig status for hver graf. Overgangene mellem disse grafer er enkle funktionskald fra en tilstand til en indledende tilstand af enhver graf i netværket. Den bestemmer, om en sætning er syntaktisk korrekt, hvis en endelig tilstand er opnået ved det sidste ord i sætningen.

Denne model opnår mange mål i natur sprog som den indfanger de regelmæssigheder i sproget. Eller, hvis der er en proces, der arbejder i forskellige miljøer, kan grammatik indkapsle processen i en enkelt struktur. Denne indkapsling forenkler ikke blot grammatik, men det har den merværdi af transaktionen. En anden fordel ved denne model har det i evnen til at udsætte beslutningen. Mange grammatikker spekulere i tilstedeværelse af tvetydighed. Det betyder, at du ikke ved, hvornår nok på sætningen. Gennem brug af rekursion, ATN løse dette ineffektivitet udskyde beslutninger, indtil de ved nok om sætningen.