基于自然語言的數(shù)據(jù)庫查詢接口探究

趙 飛，劉文婷

（綏化學(xué)院，黑龍江 綏化 152061）

1 自然語言數(shù)據(jù)庫接口技術(shù)提出的意義

關(guān)系型數(shù)據(jù)庫發(fā)展至今已經(jīng)是一種成熟的數(shù)據(jù)存儲與管理技術(shù).數(shù)據(jù)在關(guān)系型數(shù)據(jù)庫中具有規(guī)則的結(jié)構(gòu)，因此被稱為結(jié)構(gòu)化數(shù)據(jù).使用結(jié)構(gòu)化查詢語言(SQL語句)可以滿足對關(guān)系型數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)進(jìn)行查找.目前針對SQL語句查詢的算法已經(jīng)相當(dāng)成熟，使用SQL語句進(jìn)行查詢已經(jīng)相當(dāng)方便.但用戶要有一定的數(shù)據(jù)庫知識，并且了解SQL語句才能完成對關(guān)系數(shù)據(jù)庫的查找，這對于一般的非專業(yè)用戶還是存在一定的難度.就目前而言，大部分的非專業(yè)用戶還無法靈活地對數(shù)據(jù)庫進(jìn)行查詢.而隨著當(dāng)前社會競爭愈來愈激烈，越來越多的非專業(yè)用戶希望可以靈活地對數(shù)據(jù)庫進(jìn)行操作，從而提升自己的科研水平和工作效率.如何使非專業(yè)用戶可以快速地查詢數(shù)據(jù)庫已經(jīng)成為目前程序開發(fā)人員面臨的新課題.

基于自然語言的數(shù)據(jù)庫查詢接口，是通過人們?nèi)粘Ｕf話使用的語言查詢數(shù)據(jù)庫，使數(shù)據(jù)庫可以返回結(jié)果.與使用SQL語句查詢數(shù)據(jù)庫的方式相比，使用自然語言最大的優(yōu)勢在于非專業(yè)的用戶不需要去了解數(shù)據(jù)庫的機(jī)構(gòu)和邏輯方式，從而不需要進(jìn)行專業(yè)的培訓(xùn)或者只需要簡單的培訓(xùn)即可查詢數(shù)據(jù)庫.這樣大大地減少了非專業(yè)用戶的負(fù)擔(dān)，節(jié)省了時間，提高了效率.而國內(nèi)的數(shù)據(jù)庫自然語言接口技術(shù)相對于西方國家發(fā)展較晚，再加上漢語的語法、語義相對于英語也更加的復(fù)雜，使得我國在自然語言查詢數(shù)據(jù)庫方面發(fā)展較慢.

2 自然語言數(shù)據(jù)庫接口國內(nèi)外研究現(xiàn)狀

隨著數(shù)據(jù)庫技術(shù)的發(fā)展,數(shù)據(jù)庫查詢方式更加趨向于方便化,因此通過語言直接對數(shù)據(jù)庫進(jìn)行查詢的想法應(yīng)運(yùn)而生,便提出了數(shù)據(jù)庫自然語言接口(Natural Language Interface of Database NLIDB)的概念.20世紀(jì)60年代,英語數(shù)據(jù)庫查詢系統(tǒng)BASWABLL在國外產(chǎn)生,當(dāng)時的BASWABLL系統(tǒng)還沒有語音識別能力,需要用戶手動輸入英語,BASWABLL會根據(jù)輸入的關(guān)鍵字進(jìn)行匹配,為用戶提供相應(yīng)的數(shù)據(jù)庫內(nèi)容.20世紀(jì)70年代,LUNAR系統(tǒng)在美國產(chǎn)生，被用于查詢美國國家航空和航天管理局的一個數(shù)據(jù)庫.而LUNAR系統(tǒng)相比BASWABLL系統(tǒng)有了本質(zhì)的提升，LUNAR系統(tǒng)不再是簡單地進(jìn)行關(guān)鍵字的匹配，而是可以對英語的語法和語義進(jìn)行分析，可以更精確地理解用戶的意思.

國內(nèi)的自然語言數(shù)據(jù)接口發(fā)展較晚，并且發(fā)展速度也很慢，而且功能還很局限，基本上都是停留在關(guān)鍵字匹配的階段，本身也沒有什么移植能力，都是針對專門的數(shù)據(jù)庫設(shè)計的專門的接口，加上漢語語法本身就復(fù)雜，因此一直沒有產(chǎn)生非常實(shí)用的漢語數(shù)據(jù)庫查詢接口技術(shù).20世紀(jì)80年代初期，清華大學(xué)研制出了CNLIES系統(tǒng)，算是漢語數(shù)據(jù)庫查詢接口的鼻祖.之后分別在清華大學(xué)，華中理工大學(xué)，上海工業(yè)大學(xué)又分別出現(xiàn)了一些漢語數(shù)據(jù)庫查詢接口，但由于匹配方式差，無法分析語法，而且各個學(xué)校也都是獨(dú)自為營，自己研究自己的導(dǎo)致研究成果也沒有移植性，因此漢語數(shù)據(jù)庫查詢接口并沒有得到實(shí)質(zhì)性的發(fā)展.

3 數(shù)據(jù)庫自然語言接口特點(diǎn)

語言是人類交換信息的載體，是一個非常龐大復(fù)雜、又在不斷發(fā)展演變的開放式符號系統(tǒng).不同的國家所使用的語言也是千差萬別，即使是在同一國家，也會因地域的差異產(chǎn)生各種各樣的方言.因此要處理目前所有在使用的語言，從目前的技術(shù)上來講是不可能的.只有將語言限制在某種范圍內(nèi)，即將其中的一小部分應(yīng)用于某一具體的數(shù)據(jù)庫接口上.這樣在目前的技術(shù)上來講才是可行的.因此數(shù)據(jù)庫自然語言接口應(yīng)具有以下特點(diǎn)：

a)由于目前人工智能發(fā)展水平有限，對帶有感情色彩的詞還無法帶有感情色彩的理解，所以為了使查詢更為準(zhǔn)確，不可以在查詢過程中使用帶有感情色彩的詞語，成語，方言等.再有句型也不能太過復(fù)雜，太長的句子目前還無法被完全理解，只有使用簡單的主謂賓句型才能更容易被理解.

b)另外查詢過程也不宜太長，太長會產(chǎn)生很多上下文關(guān)聯(lián)的內(nèi)容，這些內(nèi)容更容易產(chǎn)生歧義，使查詢不準(zhǔn)確導(dǎo)致查詢失敗.語言查詢接口是將我們平時的語言轉(zhuǎn)化成數(shù)據(jù)庫查詢語言，由于兩種語言在語法上的差別巨大，因此我們使用盡量簡單的語言表示清楚我們的意思，才更容易實(shí)現(xiàn)準(zhǔn)確的轉(zhuǎn)化過程.

4 自然語言接口相關(guān)技術(shù)分析

目前自然語言接口主要通過模板匹配、句法系統(tǒng)和語義語法等技術(shù)和方法實(shí)現(xiàn).

4.1 模板匹配技術(shù)顧名思義，就是先通過事先預(yù)定義好的

模板與用戶的輸入進(jìn)行匹配，看是否可以找到匹配結(jié)果，一旦找到便可以通過匹配到的結(jié)果返回用戶需要查詢的內(nèi)容.這種方法是自然語言接口最為簡單的技術(shù)，而且效果也相當(dāng)?shù)牟诲e.模板匹配開放的系統(tǒng)更容易給使用者留下深刻印象，例如QQ聊天機(jī)器人，就是基于這種技術(shù)開發(fā)出來的.模板匹配技術(shù)最主要的優(yōu)點(diǎn)就是使用簡單，沒有復(fù)雜句法分析和語義解釋模塊.也正是因為如此，模板匹配技術(shù)分析的深度不夠，會把錯亂的句子當(dāng)作正常句子來接受，從而導(dǎo)致各種錯誤的查詢.

4.2 句法系統(tǒng)與模板匹配不同，它會根據(jù)不同的文法對輸

入的語言進(jìn)行句法分析.這些文法包括短語文法、上下文相關(guān)文法、上下文無關(guān)文法和正規(guī)文法.經(jīng)過嚴(yán)格的句法分析后，句法系統(tǒng)會排出不符合文法的輸入語言，只保留正確的輸入語言.經(jīng)過這樣的篩選后，句法系統(tǒng)則可以避免產(chǎn)生類似于模板匹配系統(tǒng)產(chǎn)生的錯誤，使得系統(tǒng)更為嚴(yán)謹(jǐn).但這種系統(tǒng)的缺點(diǎn)也是顯而易見的，引入文法會大大增加整個系統(tǒng)的復(fù)雜度.句法分析系統(tǒng)一般只能用于特定的數(shù)據(jù)庫界面，其數(shù)據(jù)庫查詢語言是經(jīng)過嚴(yán)格設(shè)計的，只有這樣才能保證從分析的結(jié)果到查詢語句的映射.

4.3 語義語法系統(tǒng)則使用特定的語義語法范疇標(biāo)簽，使用

的文法也構(gòu)建在這些標(biāo)簽之上，這樣便只針對特定領(lǐng)域進(jìn)行語言查詢大大降低了系統(tǒng)的復(fù)雜度.但這種方法使語義和語法結(jié)合在一起，所以使整個系統(tǒng)的移植性變差了許多.語義語法系統(tǒng)的執(zhí)行過程與句法分析系統(tǒng)基本相似，同樣也是對用戶輸入的查詢語言進(jìn)行句法分析，然后將分析得到的結(jié)果直接與數(shù)據(jù)庫查詢語句（如SQL）映射，最后返回用戶要查詢的結(jié)果.兩者最大的不同便是語義語法系統(tǒng)不需要同句法概念相對應(yīng).

5 自然語言接口實(shí)現(xiàn)的途徑

ER模型是一種特殊的概念模型，它詳細(xì)地敘述了某個事物的各個方面，在數(shù)據(jù)庫設(shè)計中被廣泛用作數(shù)據(jù)建模工具.目前大部分的數(shù)據(jù)庫都是關(guān)系型數(shù)據(jù)庫，ER模型則可以很容易地轉(zhuǎn)化為關(guān)系模型，建立相同的名稱關(guān)系，且具有相同的屬性.這樣實(shí)體中鍵值的屬性和聯(lián)系固有的屬性值則可以在關(guān)系模型中得以轉(zhuǎn)化體現(xiàn).可見，ER模型可以便捷地轉(zhuǎn)換為關(guān)系型數(shù)據(jù)庫，兩者具有密不可分的關(guān)系，這樣通過ER模型建立一座自然語言與數(shù)據(jù)庫的橋梁則成了自然語言數(shù)據(jù)庫接口的一個突破口.

由于自然語言都是生活中使用的語言，這與數(shù)據(jù)庫所使用的SQL語言是完全不同的，如何將自然語言轉(zhuǎn)化為SQL語言則是實(shí)現(xiàn)數(shù)據(jù)庫自然語言接口的重點(diǎn).如果可以存在一種中間語言，可以將自然語言轉(zhuǎn)化為SQL語言，又能保證用戶的輸入不被誤解，計算機(jī)又可以理解，就可以完成由自然語言轉(zhuǎn)化為數(shù)據(jù)庫語言的過程了.在選取中間語言時，應(yīng)結(jié)合關(guān)系模型把文本分解，將分解后的單一詞組進(jìn)行排列，每個單一詞組都對應(yīng)一條數(shù)據(jù)庫知識庫的屬性值，最后保留翻譯結(jié)果.在轉(zhuǎn)化過程中，可以更加細(xì)化中間語言，這樣可以更好的翻譯成SQL語言.

在設(shè)計中間語言時需要注意的是：首先，中間語言并不需要表示出用戶的全部含義，若表示出全部含義，中間語言則會變得非常復(fù)雜且龐大，這為后期SQL語言的轉(zhuǎn)化制造了巨大的麻煩.其次，中間語言設(shè)計的目的要明確，即連接自然語言與數(shù)據(jù)庫查詢語言之間的橋梁的作用.再次，設(shè)計出的中間語言要保證是無歧義的，意義清楚明白，這樣才能轉(zhuǎn)換成SQL語言來查詢數(shù)據(jù)庫.若存在歧義，則會導(dǎo)致轉(zhuǎn)化的SQL語言不準(zhǔn)確，最終導(dǎo)致查詢不準(zhǔn)確.最后，中間語言的設(shè)計也和軟件的設(shè)計是一樣的，不可能在短期內(nèi)設(shè)計出完美的中間語言，需要通過開發(fā)人員不斷地實(shí)踐.所以這里就要求中間語言一定要具有可重塑性，便于二次開發(fā).

6 SQL語言的轉(zhuǎn)換

SQL語言是關(guān)系代數(shù)與關(guān)系演算之間的結(jié)構(gòu)化查詢語言，其主要功能就是實(shí)現(xiàn)數(shù)據(jù)庫的查詢.基本的查詢語句形式為SELECT-FROM-WHERE，并且可以嵌套執(zhí)行.表示的意義是查詢FROM子句所確定的查找表的位置，WHERE子句則用來限定用戶的查找條件，再通過與SELECT子句配合，就可以限定表名或者視圖名，最終返回數(shù)據(jù).通過使用SELECT語句則可以完成大部分的數(shù)據(jù)庫查詢.

7 結(jié)論與展望

本文討論了基于自然語言的數(shù)據(jù)庫查詢接口，所做的主要工作有以下幾項：

7.1 討論了目前國內(nèi)和國際基于自然語言的數(shù)據(jù)庫查詢接口的發(fā)展現(xiàn)狀，通過分析一個普通用戶查詢數(shù)據(jù)庫中信息的過程，總結(jié)了查詢過程的特點(diǎn)并詳細(xì)分析了其特性.

7.2 由于英語和漢語的差別巨大，如何進(jìn)行精準(zhǔn)的句法分析，獲得準(zhǔn)確的分詞，設(shè)計適當(dāng)?shù)闹虚g語言并消除歧義，對中間語言再研究再更新.這成了本文研究的重點(diǎn)與難點(diǎn)之一.

目前自然語言的數(shù)據(jù)庫查詢使用還并不廣泛，僅限于一些指定地點(diǎn)的指定內(nèi)容的查詢.未來會有更多新興領(lǐng)域移植自然語言數(shù)據(jù)庫查詢系統(tǒng).使得自然語言的查詢不再需要走到指定的地點(diǎn)進(jìn)行指定內(nèi)容的查詢，而是可以通過移動電話走進(jìn)千家萬戶.使用起來更加方便、快捷.