Skip to content

转导器复合

Transducer composition · Composition of transductions

将第一台转导器的输出作为第二台输入,构造端到端关系或函数并分析闭包与表示增长。

条目类型
方法

形式陈述

RΣ×ΓSΓ×Δ,则先做 R、后做 S 的关系复合定义为

SR={(x,z):yΓ, (x,y)R(y,z)S}.

中间字母表必须一致。对偏函数 f,g(gf)(x) 只在 f(x) 有定义且 g(f(x)) 有定义时存在。空输出是合法中间字,不等于未定义。

经典有理关系对复合封闭,因此两台一向有限状态转导器可以有效合成为一台。函数型有理传导、sequential/subsequential 函数与 regular functions 也各自在相应假设下对复合封闭;构造方式和代价并不相同。

直觉

复合的难点是两台机器没有共同节拍。第一台一条边可能输出一串字,第二台可能用多步消费;第一台也可能暂时输出空字。构造必须保留所有合法交错,同时确保中间字完整匹配,而不是简单把“第 i 条边”配给“第 i 条边”。

对同步确定 Mealy 机,节拍恰好对齐,状态对就够了。对一般 NFT,先把中间带标签拆成单字母或 ε:第一台产出 b 的步与第二台消费 b 的步同步;第一台产出 ε 或第二台消费 ε 时,只推进相应一侧。这样以有限状态对枚举所有合法交错,不需要保存无界中间队列;若要避免同一对齐被多种空步次序重复表示,可再加有限的 ε-filter。

终止时机同样参与复合。第一台的终态输出必须先送入第二台,第二台确认中间输入结束后才可追加自己的终态输出。若在第一台刚到终态时就直接采用第二台当前终态,而没有消费最后输出块,会漏掉或增加结果。

构造出的复合机可能比语义更有歧义。同一个中间字 y 可以由第一台多条路径产生,第二台也可能有多条路径消费它;这些路径组合都会出现,但关系语义最终只保留 (x,z)。因此“两个函数复合后仍是函数”是语义闭包,不保证机械构造得到的 NFT 每个输入只有一条成功运行。

例子与边界

T1 做简化实体转义:普通 a,b 原样输出,& 输出 &。令 T2 把 ASCII 字母改成大写,并原样保留 &;。两者都只有一个终态,初始和终态输出为空。

输入 a&b 经第一台的三步为

a\&ba\&b.

第二台再逐字符读取中间字,依次输出 A&B,故复合结果为 A&B。若颠倒顺序,先大写再转义得到 A&B,说明函数复合通常不可交换。

若第二台不认识分号,则 T1 虽对输入有定义,复合偏函数仍在含 & 的输入上未定义。若第一台对 & 有两个输出 &and,关系复合会保留第二台可消费的所有中间见证,不可任意选一条。

状态规模是另一条边界。Mealy 复合至多先产生 |Q1||Q2| 个状态;一般一向 NFT 在按显式标签长度拆边后,核心仍是状态积和常数规模的空步过滤,所以单次构造对展开后的两份表示是多项式的。指数膨胀主要出现在多级流水线反复取状态积,或把双向扫描、SST 变量流翻译到另一种表示时。闭包只保证存在有限结果,不保证长流水线的最终机器仍小。

推论与应用

复合让复杂转换保持模块化:先词法规范化,再字段重写,最后编码输出;每层可以单独测试,然后用端到端等价检查验证优化后的合成机。确定模型中,删除不可达积状态和惰性生成能显著减小实际图。

有理关系形成以字母表自由幺半群为对象、以转导为箭头的组合结构,恒等关系由逐字复制转导器实现,关系复合满足结合律。因此多级流水线括号如何放不改变语义,但会影响中间表示大小和构造成本。

在 regular function 世界,复合可借 MSO 解释封闭性证明,也可在 2DFT 或 copyless SST 上构造。实践中应避免来回翻译模型:选择最能保留局部结构的一种表示,并在真正出现状态爆炸时才引入惰性或符号化,而不是预先建立复杂框架。

若流水线只执行一次,直接串行运行两台确定机器往往比物化复合状态图更省空间;只有需要反复查询、最小化或对整体做等价检查时,预先合成才可能回本。这个工程取舍不改变闭包定理,却决定状态爆炸是在编译阶段还是运行阶段承担。

参考资料
  • Jean Berstel, Transductions and Context-Free Languages, Teubner, 1979, Chapter III, §4, composition of rational transductions.
  • Jacques Sakarovitch, Elements of Automata Theory, Cambridge University Press, 2009, Chapter IV, “The Richness of Transducers,” Composition Theorem.
  • Mehryar Mohri, Fernando Pereira, and Michael Riley, “Weighted Finite-State Transducers in Speech Recognition,” Computer Speech & Language 16(1), 2002, §3, composition construction.
关系图谱3 个相邻概念 · 2 类关系

拖动节点调整位置。

显示关系

显示:依赖

  1. 前置三跳
  2. 前置二跳
  3. 前置一跳
  4. 当前条目
  5. 后续一跳
  6. 后续二跳
  7. 后续三跳
文字版关系按与当前条目的最短距离分组
类型化关系