受控自然语言(controlled natural language,简称 CNL)是经过有意限制的语言形式,旨在让人们更容易交流、让计算机更可靠地处理语言,或同时实现这两个目标。其规则通常对词汇、句法结构和允许的解释作出限制,同时保留可辨识的自然语言表达。受控自然语言用于技术文档、翻译、需求工程和知识表示等领域,既包括旨在减少歧义的写作规范,也包括定义严密、句子可转换为形式逻辑的语言。
定义性特征
受控自然语言规定哪些表达可以接受;某些系统还精确规定这些表达必须如何解释。限制可以作用于多个层面:
- **词汇:**只允许使用经核准的词语和技术术语,排除不合适的同义词,或规定某个词只能使用一个获准的义项。
- **语法:**限制句式、动词形式、从句嵌套或代词的使用。
- **文档结构:**规定如何组织指令、警告、条件和描述。
- **解释:**针对指称、量词辖域、否定以及其他歧义来源制定明确规则。
限制程度的差别很大。有的系统允许大多数日常句子,只是不鼓励使用难懂的结构;另一些系统则只接受由指定的形式文法生成的句子。
受控自然语言不只是一份推荐用词表。在实践中,有效的语言控制通常需要将词汇规则与语法约束和解释约束相结合。这一名称也不意味着所有符合规则的句子都简短、易懂或没有歧义:这些特性取决于具体语言及其实现方式。
人们熟悉的受控自然语言大多以英语为基础,但这种方法本身并不专属于英语。基于其他语言的系统必须处理相应语言特有的语法特征和表达惯例。
主要目的与类型
受控自然语言通常按其预期用途分类。这些类别相互重叠,并没有截然分明的界限。
面向人的语言
面向人的受控自然语言旨在增进理解,尤其适用于专业文档,或面向语言熟练程度不同的读者开展交流。它们与技术写作密切相关。
典型规则包括:
- 在整份文档中,对同一部件使用同一术语。
- 说明某项指令适用的条件。
- 当名词之间的关系不明确时,避免使用过长的名词串。
- 在适当情况下,将不同的操作步骤分开表述。
- 明确指出所指的部件、操作和条件。
这类规则对维修说明及其他程序性文档尤其有用。不过,仅凭语法简单,并不能判定一条指令在技术上正确,也不能判定其目标用户能够理解。
面向翻译的语言
面向翻译的受控自然语言旨在使源文本更便于由人工译者或机器翻译系统进行一致的翻译。受控的术语学规范、可预测的句子结构和明确的指称,可以减少解释时需要作出的选择。
这类语言用于涉及翻译和本地化的多语种文档工作流程。它们的成效取决于目标语言、翻译系统和文档所属领域。有利于某一工作流程的限制,在另一流程中可能没有必要,甚至适得其反。
面向逻辑的语言
面向逻辑的受控自然语言为形式逻辑学或其他机器可解释的表示形式提供类似自然语言的接口。符合规则的陈述会被赋予明确定义的语义表示,使软件能够检查一致性、回答问题或推导结论。
这类系统往往会限制普通读者依靠上下文解释的语言结构。例如,它们可能规定“一个”“每个”“不”以及代词如何参与构成句子的含义。
一种语言可以主要为形式上的精确性而设计,却未必特别便于缺乏经验的用户使用。反过来,为便于阅读而设计的语言,也不一定支持可靠的逻辑推理。
语言控制的运作方式
词汇限制
词汇控制用于处理命名不一致和多义现象,后者指一个词具有多个相关含义。受控词典可能允许某个词用作名词,但不允许其用作动词,或者只允许该词用于指定含义。
经核准的通用词汇通常还会辅以特定领域的名称。例如,维修用语必须容纳小型通用词表中不会收录的部件名称。
“一个概念对应一个术语”和“一个术语只有一个含义”是有用的设计目标,但并非绝对保证。技术术语仍可能需要定义,而表面上相同的对象在不同情境中也可能具有不同功能。
句法限制
句法规则可以减少结构歧义。例如:
检查带摄像头的阀门。
对应的英语句子“Inspect the valve with the camera.”中,“with the camera”既可能表示检查所用的工具,也可能用于指明某个特定阀门。如果原意是表示工具,受控表达可以改为:
使用摄像头检查阀门。
其他限制可能涉及被动结构、复杂的并列结构、论元省略或深层嵌套的从句。没有哪一种结构在所有受控语言中都被禁止:采用何种限制,取决于语言的用途。
语义和语境限制
受控语言对语义学层面的规定可能比普通文章更为严格。它可以要求代词具有明确的先行词,或规定否定和量词的辖域。
例如:
每位技术员都检查一个阀门。
在日常用法中,这句话既可能描述各位技术员检查不同阀门的情形,也可能描述所有人检查同一个阀门的情形。面向逻辑的受控自然语言可以为其指定固定解释、拒绝接受这句话,或要求使用更明确的表述。
有些系统还限制对语用学层面语境解释的依赖。依赖未明说的假设、间接请求或专业背景知识的陈述,往往难以得到可靠处理,除非这些假设另有明确表示。
形式解释
在面向逻辑的受控自然语言中,软件执行句法分析,并依据指定的形式语义学构建表示。
例如,系统可能将:
每台泵都是机器。
解释为:
将其与“泵 A 是一台泵”结合,就能得出泵 A 是机器的结论。
一个句子看起来像英语,并不能保证它具有唯一的逻辑形式。精确性来自语言规范,其中包括量化、指称、并列和否定的规则。
有些受控自然语言映射到一阶逻辑;另一些则采用限制更严格的逻辑形式体系或特定应用的表示形式。这一选择影响语言能够表达什么,以及软件能够可靠完成哪些推理任务。更强的表达能力可能增加自动推理所需的计算资源;对于某些任务和形式体系,还可能出现不可判定性。
形式解释也不能证明一项陈述在现实世界中为真。即使输入的陈述包含事实错误,推理系统仍可以据此推导结论。
历史发展与实例
受控语言沿着几条部分独立的脉络发展起来:国际交流、工业文档、计算机辅助翻译,以及面向形式化知识的接口。
基本英语由 C. K. 奥格登于 1930 年提出,采用包含 850 个单词的核心词汇表,并允许在规定条件下补充词汇。它是受控语言发展史上的一个重要早期实例,不过,其作为国际辅助语言的目标与后来的工业系统有所不同。
20 世纪下半叶,工业受控语言在技术文档中日益受到重视。卡特彼勒公司的受控英语项目就是其中的典型,旨在让跨语言技术交流更加一致,也更易于管理。
ASD 简化技术英语将写作规则与受控词典结合起来,其首版规范于 1986 年由当时的欧洲航空航天工业协会发布。它最初为航空航天维修文档而开发,后来也被其他技术行业采用。它是一套英语写作规范,而不是将所有表达一律限制在固定的日常词表内:其规则允许使用技术名称和技术动词。
Attempto 受控英语自 20 世纪 90 年代起开始发展,代表了面向逻辑的传统。它使用受限制的英语子集,并配有解释规则,支持将句子转换为形式化表示并进行自动处理。
这些实例说明,“受控自然语言”指的是一系列方法,而不是某一种标准化语言。
编写与验证
受控自然语言通常配有规范、培训材料、词典,有时还配有写作软件。工具可以标记未经核准的词语、不一致的术语、过长的句子或被禁止的语法模式。
验证可能包括几种不同的检查:
- **词汇合规性:**所用词语和义项是否获准。
- **语法合规性:**所用结构是否符合规则。
- **可解释性:**软件能否赋予句子一种符合要求的表示。
- **领域验证:**内容是否准确描述相关设备、过程或需求。
这些检查不应混为一谈。一个句子可能符合所有语言规则,却包含错误的测量值或不安全的操作信息。
交互式编辑器可以显示句子接下来允许使用的表达,或以改述的方式展示系统赋予句子的解释。这种反馈可以揭示作者本意与语言所编码含义之间的差异。
应用与局限
受控语言用于技术手册、多语种产品信息、软件和系统需求、业务规则,以及知识表示系统的接口。在需求工程中,明确的陈述有助于开展一致性检查;如果具备合适的表示形式,还可支持形式验证。
它们的主要局限涉及表达能力、自然程度、精确性和易用性之间的平衡:
- **表达受限:**作者可能难以表达例外情况、时间关系、不确定性或复杂条件。
- **培训与维护成本:**词典、规则和检查工具需要持续开发和完善。
- **措辞生硬:**形式上符合要求的句子可能显得重复或不自然。
- **仍有歧义:**面向人的规则通常只能减少歧义,而不能将其消除。
- **自动检查能力有限:**软件可能识别出某个词,却无法可靠判断其预期义项。
- **依赖语境:**即使句子本身清楚,也可能预设读者具备其实际上并不掌握的知识。
受控自然语言也不同于一些相近的方法。通俗语言强调让受众能够找到、理解并使用所需信息,但不一定规定封闭的语法或词汇范围。职业或技术语域是在使用过程中形成的,而受控自然语言则是有意制定的。编程语言或形式语言可以具有精确的语义,却不试图保留日常语言的外观。
因此,评价受控自然语言时,应以预期任务为依据。相关指标包括读者理解程度、编写所需投入、翻译质量、术语一致性和计算机解释的准确性。符合一套规则,只能证明文本遵循了相应规范,本身并不能证明文本成功实现了交流。