列表交叉点，Prolog

好的，这个程序基本上必须执行3项任务：

解析以列表形式给出的句子，在本例中（以及整个示例中），该句子将是[the，叛徒，tostig_godwinson，was，slain]。（不要问它的历史！）所以这看起来像：

sentence(noun_phrase(det(the),np2(adj(traitorous),np2(noun(tostig_godwinson)))),verb_phrase(verb(slain),np(noun(slain)))).

使用解析后的句子提取主语、动词和宾语，并作为列表输出，例如使用当前示例的

[tostig_godwinson，was，slain]

。在我尝试3号之前，我也一直在工作

使用目标列表并将其与知识库进行比较，以基本回答您在第一位提出的问题（参见下面的代码）因此，使用这个问题和知识库，程序将打印出“斯坦福桥之战”，因为这是知识库中与问题列表最匹配的句子

这就是我目前的处境：

history('battle_of_Winwaed',[penda,       king_of_mercia,was,slain,killed,oswui,king_of_bernicians, took_place, '15_November_1655']).

history('battle_of_Stamford_Bridge',[tostig_godwinson,herald_hardrada,was,slain, took_place, '25_September_1066']).

history('battle_of_Boroughbridge',[edwardII,defeated,earl_of_lancaster,execution, took_place, '16_march_1322']).

history('battle_of_Towton',[edwardIV,defeated,henryVI,palm_Sunday]).

history('battle_of_Wakefield',[richard_of_york, took_place, 
'30_December_1490',was,slain,war_of_the_roses]).

history('battle_of_Adwalton_Moor',[earl_of_newcastle,defeats,fairfax, took_place, '30_June_1643',battle,bradford,bloody]).

history('battle_of_Marston_Moor',[prince_rupert,marquis_of_newcastle,defeats,fairfax,oliver_cromwell,ironsides, took_place, 
'2_June_1644', bloody]).

noun(penda).
noun(king_of_mercia).
noun(oswui).
noun(king_of_bernicians).
noun('15_November_1655').
noun(tostig_godwinson).
noun(herald_hardrada).
noun('25_September_1066').
noun(edwardII).
noun(earl_of_lancaster).
noun('16_march_1322').
noun(edwardIV).
noun(henryVI).
noun(palm_Sunday).
noun(richard_of_york).
noun('30_December_1490').
noun(war_of_the_roses).
noun(earl_of_newcastle).
noun(fairfax).
noun('30_June_1643').
noun(bradford).
noun(prince_rupert).
noun(marquis_of_newcastle).
noun(fairfax).
noun(oliver_cromwell).
noun('2_June_1644').
noun(battle).
noun(slain).
noun(defeated).
noun(killed).
adj(bloody).
adj(traitorous).
verb(defeats).
verb(was).
det(a).
det(the).
prep(on).

best_match(Subject,Object,Verb):-
        history(X,Y),
        member(Subject,knowledgebase),
        member(Object,knowledgebase),
        member(Verb,knowledgebase),
        write(X),nl,
        fail.
micro_watson:- write('micro_watson: Please ask me a question:'), read(X), 
sentence(X,Sentence,Subject,Object,Verb),nl,write(Subject),nl,write(Verb),nl,write(Object).

sentence(Sentence,sentence(Noun_Phrase, Verb_Phrase),Subject,Object,Verb):-
    np(Sentence,Noun_Phrase,Rem),
    vp(Rem,Verb_Phrase),
    nl, write(sentence(Noun_Phrase,Verb_Phrase)),
        noun(Subject),
    member(Subject,Sentence),
        noun(Object),
    member(Object,Rem),
    verb(Verb),
    member(Verb,Rem),
        best_match(Subject,Object,Verb).

member(X,[X|_]).
member(X,[_|Tail]):-
    member(X,Tail).
np([X|T],np(det(X),NP2),Rem):-
    det(X),
    np2(T,NP2,Rem).
np(Sentence,Parse,Rem):- np2(Sentence,Parse,Rem).
np(Sentence,np(NP,PP),Rem):-
        np(Sentence,NP,Rem1),
        pp(Rem1,PP,Rem).
np2([H|T],np2(noun(H)),T):-noun(H).
np2([H|T],np2(adj(H),Rest),Rem):- adj(H),np2(T,Rest,Rem).
pp([H|T],pp(prep(H),Parse),Rem):-
    prep(H),
    np(T,Parse,Rem).
vp([H|[]],verb(H)):-
    verb(H).
vp([H|T],vp(verb(H),Rest)):-
    verb(H),
    pp(T, Rest,_).
vp([H|T],vp(verb(H),Rest)):-
    verb(H),
    np(T, Rest,_).

正如我所说，在我尝试使用数字3之前，数字2一直在工作，现在它只打印出解析后的句子，然后给我一个“错误：本地堆栈外消息”，非常感谢您的帮助！因此，在顶部是我们用来比较列表以找到最佳匹配的知识库，这些知识库由best_match方法调用（尽管在这个阶段不正确），该方法在分析句子并提取关键字的句子方法之后立即执行。此外，如果代码的布局非常糟糕，我也表示歉意！

---

干杯

我想发布这篇文章的人永远不会回来了，我想提醒自己一些开场白，就在这里

除了在某些谓词中仍然存在一些逻辑问题之外，这段代码还有两个主要问题

问题1: 您忽略了单例警告，它们通常是不可忽略的。最佳匹配谓词应如下所示：

best_match(Subject,Object,Verb):-
        history(X,Y),
        member(Subject,Y),
        member(Object,Y),
        member(Verb,Y),
        write(X),nl,
        fail.

sentence(X,Subject,Object,Verb),nl,write(Subject),nl,write(Verb),nl,write(Object).

sentence(Sentence,Subject,Object,Verb):-

    np(Sentence,_,Rem),     
    vp(Rem,_),  
    nl, 
        noun(Subject),
    member(Subject,Sentence),
        noun(Object),
    member(Object,Rem),
    verb(Verb),
    member(Verb,Rem),
        best_match(Subject,Object,Verb).

np(Sentence,np(NP,PP),Rem):-
  append(List1,List2,Sentence),
  List1\=[],
  List2\=[],
  np(List1,NP,Rem1),
  append(Rem1,List2,Rem2),
  pp(Rem2,PP,Rem).

另一个警告是关于

语句

谓词中的

语句

变量，因此它是这样的：

best_match(Subject,Object,Verb):-
        history(X,Y),
        member(Subject,Y),
        member(Object,Y),
        member(Verb,Y),
        write(X),nl,
        fail.

sentence(X,Subject,Object,Verb),nl,write(Subject),nl,write(Verb),nl,write(Object).

sentence(Sentence,Subject,Object,Verb):-

    np(Sentence,_,Rem),     
    vp(Rem,_),  
    nl, 
        noun(Subject),
    member(Subject,Sentence),
        noun(Object),
    member(Object,Rem),
    verb(Verb),
    member(Verb,Rem),
        best_match(Subject,Object,Verb).

np(Sentence,np(NP,PP),Rem):-
  append(List1,List2,Sentence),
  List1\=[],
  List2\=[],
  np(List1,NP,Rem1),
  append(Rem1,List2,Rem2),
  pp(Rem2,PP,Rem).

问题2: 我假设您将np逻辑划分为np和np2以避免无限循环，但后来忘记在需要的地方应用此划分。最长的np条款应为：

np(Sentence,np(NP,PP),Rem):-
        np2(Sentence,NP,Rem1),
        pp(Rem1,PP,Rem).

如果你真的想允许更复杂的np，我怀疑，你可以这样做：

best_match(Subject,Object,Verb):-
        history(X,Y),
        member(Subject,Y),
        member(Object,Y),
        member(Verb,Y),
        write(X),nl,
        fail.

sentence(X,Subject,Object,Verb),nl,write(Subject),nl,write(Verb),nl,write(Object).

sentence(Sentence,Subject,Object,Verb):-

    np(Sentence,_,Rem),     
    vp(Rem,_),  
    nl, 
        noun(Subject),
    member(Subject,Sentence),
        noun(Object),
    member(Object,Rem),
    verb(Verb),
    member(Verb,Rem),
        best_match(Subject,Object,Verb).

np(Sentence,np(NP,PP),Rem):-
  append(List1,List2,Sentence),
  List1\=[],
  List2\=[],
  np(List1,NP,Rem1),
  append(Rem1,List2,Rem2),
  pp(Rem2,PP,Rem).

这样，您就不会一次又一次地使用相同的参数调用np，因为您要确保每次选中的句子都更短

次要问题： （无限循环问题解决后，程序如何工作）

最后一个vp重复

我不太清楚你的语法，例如为什么

“flused”

是一个名词 为了检查程序是否有效，我使用了一句话

[edwardIV，击败，henryVI，on，palm_Sunday]。

我将

“挫败”

改为动词，并将最后一个

vp

子句改为：

vp([H|T],vp(verb(H),Rest)):-
    verb(H),
    np(T,_,Rest1),      
    pp(Rest1, Rest,_).

对于示例句子，我得到了城市桥战役和托顿战役的结果