Kontextfreie Grammatik

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche

In der Theorie der formalen Sprachen ist eine kontextfreie Grammatik eine formale Grammatik, die nur solche Ersetzungsregeln enthält, bei denen immer genau ein Nichtterminalsymbol auf eine beliebig lange Folge von Nichtterminal- und Terminalsymbolen abgeleitet wird. Die Ersetzungsregeln haben also die Form V\rightarrow w (mit Nichtterminalsymbol V und Zeichenkette w bestehend aus Nichtterminal- und Terminalsymbolen).

Weil die linke Seite einer Regel nur aus einem einzigen Nichtterminalsymbol V besteht, hängt ihre Anwendbarkeit auf eine Zeichenkette nur davon ab, ob das Nichtterminalsymbol V in der Zeichenkette vorkommt, nicht aber davon, in welchem Kontext es sich befindet. Die Regeln sind also kontextfrei.

Die kontextfreien Grammatiken sind identisch mit den Typ-2-Grammatiken der Chomsky-Hierarchie.

Definition[Bearbeiten]

Eine kontextfreie Grammatik G ist ein 4-Tupel (N,T,P,S) mit folgenden Eigenschaften:

Hierbei bezeichnet * die Kleenesche Hülle.

Erläuterung[Bearbeiten]

Man nennt N Menge der Nichtterminale, T Menge der Terminale, P Menge der Produktionen oder Regeln und S Startsymbol. Eine Regel (\alpha, \beta) \in P wird meist in der Form \alpha \rightarrow \beta notiert.

Gemäß der Definition gilt für eine Regel \alpha \rightarrow \beta, dass \alpha \in N ist, also dass auf der linken Seite der Ersetzungsregel genau ein Nichtterminal steht. Es ist in einer Regel auf der linken Seite nicht von anderen Symbolen umgeben, und es stehen daher für jede Zeichenkette, die dieses Nichtterminal enthält, immer die gleichen Regeln zur Auswahl, egal welche Symbole das Nichtterminal \alpha in einer Zeichenfolge umgeben. Kurz gesagt ist die Auswahl der Regeln unabhängig vom Kontext von \alpha.

Von G erzeugte Sprache[Bearbeiten]

Die kontextfreien Grammatiken erzeugen genau die kontextfreien Sprachen, d. h., jede Typ-2-Grammatik erzeugt eine kontextfreie Sprache und zu jeder kontextfreien Sprache existiert eine Typ-2-Grammatik, die diese erzeugt.

Die kontextfreie Sprache L(G), die durch die kontextfreie Grammatik G generiert wird, ist definiert als

L(G) = \{ w \mid w\in T^*, S \Rightarrow_G^* w \}.

Die Relation \Rightarrow_G^* (Ableitung) steht für eine Folge von Regelanwendungen bezüglich der Grammatik G. Es müssen vom Startsymbol S aus solange Nichtterminal mit Hilfe der Regeln ersetzt werden, bis nur noch Terminale übrig sind. Offenbar gilt L(G)\subseteq T^*.

Die kontextfreien Sprachen sind genau die Sprachen, die von einem nichtdeterministischen Kellerautomaten akzeptiert werden. Existiert auch ein deterministischer Kellerautomat, nennt man die Sprache auch deterministisch kontextfrei. Diese echte Teilmenge der kontextfreien Sprachen bildet die theoretische Basis für die Syntax der meisten Programmiersprachen.

Kontextfreie Sprachen können das leere Wort enthalten, z. B. durch eine Produktionsregel (S \rightarrow \varepsilon). Einige Sätze über kontextfreie Grammatiken fordern allerdings zusätzlich, dass das leere Wort von ihr nicht erzeugt werden darf. So gibt es z. B. nur zu den kontextfreien Grammatiken eine äquivalente Grammatik in Greibach-Normalform, wenn das leere Wort durch sie nicht erzeugt werden kann, da in jedem Ableitungsschritt genau ein Terminal erzeugt wird.

Normalformen[Bearbeiten]

Für kontextfreie Grammatiken sind verschiedene Normalformen definiert. Unter der Chomsky-Normalform (CNF) sind die rechten Seiten der Nichtterminal-Produktionen eingeschränkt, d. h. auf der rechten Seite darf entweder ein einziges Terminal-Symbol oder genau zwei Nichtterminal-Symbole stehen. Wenn das Startsymbol auf der linken Seite steht, darf die rechte Seite der Produktion allerdings auch das leere Wort sein. Durch einen Algorithmus kann jede kontextfreie Grammatik in die CNF überführt werden.

Eine kontextfreie Grammatik ist in der Greibach-Normalform (GNF), wenn sie nicht das leere Wort erzeugt und die rechten Seiten der Produktionen mit maximal einem Terminal-Symbol beginnen und sonst nur Nichtterminal-Symbole enthalten. Jede kontextfreie Grammatik, die nicht das leere Wort erzeugt, kann mit einem Algorithmus in die GNF überführt werden.

Eigenschaften[Bearbeiten]

Wortproblem[Bearbeiten]

Das Wortproblem für kontextfreie Sprachen, also das Problem, ob ein Wort w von einer kontextfreien Grammatik erzeugt werden kann, ist entscheidbar.[1] Auf dem Weg der Lösung des Wortproblems kann zusätzlich ein Ableitungsbaum erzeugt werden. Dieser Ableitungsbaum wird auch Parse-Tree genannt, und ein Programm, welches einen Parse-Tree erzeugt, ist ein Parser. Für jede kontextfreie Grammatik kann automatisch ein Parser generiert werden (siehe auch CYK-Algorithmus). Die Worst-Case-Laufzeitkomplexität eines Parsers für eine beliebige kontextfreie Grammatik liegt in \color{blue}O(n^3). Für Teilklassen von kontextfreien Grammatiken können Parser erzeugt werden, deren Laufzeit in O(n) liegt. Ein typischer Anwendungsfall eines effizienten kontextfreien Parsers mit linearer Laufzeit ist das Parsen eines Programmiersprachen-Quelltexts durch einen Compiler.

Wenn ein Wort w der Sprache L (w\in L(G)) durch die Grammatik G auf mehrere verschiedene Arten erzeugt werden kann, dann ist diese Grammatik mehrdeutig. Ein Parser kann bei einer mehrdeutigen Grammatik für ein gegebenes Wort nicht nur einen, sondern mehrere Ableitungsbäume erzeugen. Mehrdeutigkeit ist nicht problematisch, wenn nur das Wortproblem gelöst werden soll. Wird aber den unterschiedlichen Ableitungsbäumen eine unterschiedliche Bedeutung zugeordnet, dann kann ein Wort bei einer mehrdeutigen Grammatik mehrere unterschiedliche Bedeutungen haben. Ein Beispiel für die Notwendigkeit einer eindeutigen kontextfreien Grammatik ist ein Compiler, der für jede gültige Eingabe deterministisch und eindeutig ausführbaren Zielcode erzeugen muss.

Mehrdeutigkeit[Bearbeiten]

Das Problem, ob eine (beliebige) kontextfreie Grammatik mehrdeutig oder nicht-mehrdeutig ist, ist nicht entscheidbar.[2] Es existieren aber Testverfahren, die für bestimmte Teilklassen der kontextfreien Grammatiken Mehrdeutigkeit bzw. Nicht-Mehrdeutigkeit feststellen können.[3] Je nach Testverfahren terminiert der Mehrdeutigkeits-Test nicht oder der Test liefert zurück, dass die Mehrdeutigkeit nicht festgestellt werden kann, falls die kontextfreie Eingabe-Grammatik nicht Element einer bestimmten Teilklasse von kontextfreien Grammatiken ist.

Äquivalenz[Bearbeiten]

Das Problem, ob zwei kontextfreie Grammatiken G_1 und G_2 die gleiche Sprache generieren (also ob L(G_1) = L(G_2)), ist nicht entscheidbar.[4]

Teilmenge[Bearbeiten]

Das Problem, ob die durch eine kontextfreie Grammatik G_1 erzeugte Sprache auch von einer kontextfreien Grammatik G_2 erzeugt wird (also ob L(G_1)\subseteq L(G_2)), ist nicht entscheidbar.[5]

Vereinigung[Bearbeiten]

Die Vereinigung L(G_1) \cup L(G_2) der Sprachen zweier kontextfreier Grammatiken G_1=(N_1,T_1,P_1,S_1) und G_2=(N_2,T_2,P_2,S_2) kann ebenfalls von einer kontextfreien Grammatik erzeugt werden, nämlich G_1\cup G_2 := (\{S\}\cup N_1\cup N_2,T_1\cup T_2, P_1\cup P_2\cup\{S\rightarrow S_1, S\rightarrow S_2\}, S). (Dabei wird vorausgesetzt, dass N_1\cap N_2=\emptyset und S\notin N_1\cup N_2\cup T_1\cup T_2 gelten, was aber für alle G_1, G_2 erreicht werden kann.)

Schnitt[Bearbeiten]

Das Problem, ob der Schnitt der Sprachen zweier kontextfreier Grammatiken G_1, G_2 ebenfalls von einer kontextfreien Grammatik erzeugt wird, ist nicht entscheidbar.[6]

Komplement[Bearbeiten]

Das Komplement einer kontextfreien Grammatik ist im Allgemeinen nicht kontextfrei.

Beispiele[Bearbeiten]

Sei G=(N,T,P,S) eine kontextfreie Grammatik mit

T = \{ x, y, z \}

N = \{ S, A, B\}

P enthält 4 Produktionen bzw. Produktionsregeln:

\begin{align}
S & \rightarrow & A \\
A & \rightarrow & x A y \\
A & \rightarrow & x B y \\
B & \rightarrow & z
\end{align}

w_1 = xxzyy kann durch die Grammatik G mit folgender Ableitung erzeugt werden:

t(w_1) = S(A(x,A(x,B(z),y),y))

t(w_1) ist der Ableitungsbaum in Term-Schreibweise. Die Wurzel und die inneren Knoten sind mit Nichtterminal-Symbolen und die Blätter mit Terminal-Symbolen beschriftet.

Also ist w_1\in L(G).

Das Beispiel Wort w_2 mit w_2 = z ist nicht Teil der Sprache L(G), da das Nichtterminal B nicht das Startsymbol ist und über das Startsymbol jedes Wort der Sprache von den Terminal-Symbolen x und y eingeschlossen sein muss. In Formelschreibweise:

w_2\notin L(G)

Grammatik G ist nicht mehrdeutig.

Sprache der Palindrome[Bearbeiten]

Die Grammatik G(\{S\}, \{a, b\}, P, S) mit P gegeben als S \rightarrow \varepsilon | a | b | aSa | bSb erzeugt die Sprache aller Palindrome über dem Alphabet \{a,b\}.

Mehrdeutiges Beispiel[Bearbeiten]

Ein Beispiel für eine mehrdeutige Grammatik ist G_2=(N_2,T_2,P_2,S_2).

T_2 = \{ x, y \}

N_2 = \{ S_2, A\}

P_2 enthält folgende Produktionen:

\begin{align}
S_2 & \rightarrow & A \\
A & \rightarrow & AA \\
A & \rightarrow & x A y \\
A & \rightarrow & \varepsilon
\end{align}

Für w_3=xy existieren unter anderem die Ableitungen S_2(A(x,A(\varepsilon),y)), S_2(A(A(\varepsilon),A(x,A(\varepsilon),y))) und S_2(A(A(x,A(\varepsilon),y),A(\varepsilon))). Also ist G_2 mehrdeutig.

Erweiterung[Bearbeiten]

Eine Erweiterung der kontextfreien Grammatiken bilden stochastische kontextfreie Grammatiken (SCFG), auch bekannt als probabilistische kontextfreie Grammatiken (PCFG). Hier wird jeder Produktionsregel eine Auftrittswahrscheinlichkeit zugeordnet: \rho\colon P\rightarrow\mathbb{R}^{\geq 0}, so dass für jedes \alpha'\in N gerade \sum_{\begin{smallmatrix}{\beta}\\(\alpha', \beta)\in P\end{smallmatrix}} \rho(\alpha', \beta) = 1 ist.

Diese Auftrittswahrscheinlichkeiten der einzelnen Regeln induzieren eine Wahrscheinlichkeitsverteilung auf der Menge der von der Grammatik erzeugten Wörter.

Eine stochastisch kontextfreie Grammatik kann beispielsweise dazu verwendet werden, für ein Eingabewort den wahrscheinlichsten Parse in einer syntaktisch mehrdeutigen Grammatik zu berechnen. Ein anderer Anwendungsfall ist das stochastische Samplen von Ableitungsbäumen unter den gegebenen Regelwahrscheinlichkeiten einer mehrdeutigen Grammatik. Die von einer SCFG erzeugte Sprache ist genau so definiert wie die Sprache einer CFG. SCFGs werden z.B. in der Bioinformatik und der Computerlinguistik eingesetzt.

Siehe auch[Bearbeiten]

Einzelnachweise[Bearbeiten]

  1.  Uwe Schöning: Theoretische Informatik- kurz gefasst. 5. Auflage. Spektrum Akademischer Verlag, Heidelberg 2008, ISBN 978-3-8274-1824-1, S. 13, DNB 986529222.
  2.  Alfred V. Aho and Jeffrey D. Ullman: The Theory of Parsing, Translation, and Compiling. Volume 1: Parsing. Prentice-Hall, 1972, ISBN 0-13-914556-7, S. 202.
  3.  H. J. S. Basten: Ambiguity Detection Methods for Context-Free Grammars. 17. August 2007 (Master Thesis, http://homepages.cwi.nl/~paulk/thesesMasterSoftwareEngineering/2007/BasBasten.pdf).
  4. Schöning, 2001, S.137
  5. Schöning, 2001, S.137
  6. Schöning, 2001, S.137

Literatur[Bearbeiten]

  •  Taylor L. Booth und Richard A. Thomson: Applying probability measures to abstract languages. In: IEEE Transactions on Computers. C-22, Nr. 5, 1973, S. 442–450, doi:10.1109/T-C.1973.223746.
  •  J. Baker: Trainable grammars for speech recognition. In: J. J. Wolf and D. H. Klatt (Hrsg.): Speech communication papers presented at the 97th meeting of the Acoustical Society of America. MIT, Cambridge, MA Juni 1979, S. 547–550 (JASA Vol. 65, issue S1, p. S132 ist nur der Abstract in einem Abstract-Band).
  •  Uwe Schöning: Theoretische Informatik - kurzgefasst. 4. Auflage. Spektrum Akademischer Verlag, Berlin 2001, ISBN 3-8274-1099-1, S. 13, 51.