Anlisis semntico La fase de anlisis semntico revisa el programa
fuente para tratar de encontrar errores semnticos y rene la
informacin sobre los tipos para la fase posterior de generacin de
cdigo. En ella se utiliza la estructura jerrquica determinada por
la fase de anlisis sintctico para identificar los operadores y
operandos de expresiones y proposiciones. Un componente importante
del anlisis semntico es la verificacin de tipos. Aqu, el compilador
verifica si cada operador tiene operandos permitidos por la
especificacin del lenguaje fuente. Por ejemplo, las definiciones de
muchos lenguajes de programacin requieren que el compilador indique
un error cada vez que se use un nmero real como ndice de una
matriz. Sin embargo, la especificacin del lenguaje puede imponer
restricciones a los operandos, por ejemplo, cuando un operador
aritmtico binario se aplica a un nmero entero y a un nmero real.
Revisa que los arreglos tengan definido el tamao correcto.
Deteccin e informacin de errores Cada frase puede encontrar
errores. Sin embargo, despus de detectar un error. Cada fase debe
tratar de alguna forma ese error, para poder continuar la
compilacin, permitiendo la deteccin de ms errores en el programa
fuente. Un compilador que se detiene cuando encuentra el primer
error, no resulta tan til como debiera. Las fases de anlisis
sintctico y semntico por lo general manejan una gran proporcin de
los errores detectables por el compilador. La fase lxica puede
detectar errores donde los caracteres restantes de la entrada no
forman ningn componente lxico del lenguaje. Los errores donde
la
cadena de componentes lxicos violan las reglas de estructura
(sintaxis) del lenguaje son determinados por la fase del anlisis
sintctico. Durante el anlisis semntico el compilador intenta
detectar construcciones que tengan la estructura sintctica
correcta, pero que no tengan significado para la operacin
implicada, por ejemplo, si se intenta sumar dos identificadores.
Uno de los cuales es el nombre de una matriz, y el otro, el nombre
de un procedimiento.
Las fases de anlisis Conforme avanza la traduccin, la
representacin interna del programa fuente que tiene el compilador
se modifica. Para ilustrar esas representaciones, considrese la
traduccin de la proposicin Posicin := inicial + velocidad * 60
(1)
La figura 4 muestra la representacin de esa proposicin despus de
cada frase.
Anlisis Semntico
El anlisis semntico es posterior al sintctico y mucho ms difcil
de formalizar que ste. Se trata de determinar el tipo de los
resultados intermedios, comprobar que los argumentos que tiene un
operador pertenecen al conjunto de los operadores posibles, y si
son compatibles entre s, etc. En definitiva, comprobar que el
significado de lo que se va leyendo es vlido. La salida "terica" de
la fase de anlisis semntico sera un rbol semntico. Consiste en un
rbol sintctico en el que cada una de sus ramas ha adquirido el
significado que debe tener. En el caso de los operadores
polimrficos (un nico smbolo con varios significados), el anlisis
semntico determina cul es el aplicable. Por ejemplo, consideremos
la siguiente sentencia de asignacin: A := B + C En Pascal, el signo
+ sirve para sumar enteros y reales, concatenar cadenas de
caracteres y unir conjuntos. El anlisis semntico debe comprobar que
B y C sean de un tipo comn o compatible y que se les pueda aplicar
dicho operador. Si B y C son enteros o reales los sumar, si son
cadenas las concatenar y si son conjuntos calcular su unin. Ejemplo
VAR ch : CHAR; (* Un identificador no se puede utilizar si *) ent:
INTEGER; (* previamente no se ha definido. *) ... ch := ent + 1; (*
En Pascal no es vlido, en C s. *) Anlisis Lxico: Devuelve la
secuencia de tokens: id asig id suma numero ptocoma Anlisis
Sintctico: Orden de los tokens vlido Anlisis Semntico: Tipo de
variables asignadas incorrecta
Analizador Semntico: Mdulo que se ocupa de analizar si la
sentencia tiene algn significado, ya que se pueden encontrar
sentencias que son sintcticamente correctas pero que no se pueden
ejecutar porque carecen de sentido.
Anlisis semnticoSe compone de un conjunto de rutinas
independientes, llamadas por los analizadores morfolgico y
sintctico. El anlisis semntico utiliza como entrada el rbol
sintctico detectado por el anlisis sintctico para comprobar
restricciones de tipo y otras limitaciones semnticas y preparar la
generacin de cdigo. En compiladores de un solo paso, las llamadas a
las rutinas semnticas se realizan directamente desde el analizador
sintctico y son dichas rutinas las que llaman al generador de
cdigo. El instrumento ms utilizado para conseguirlo es la gramtica
de atributos. En compiladores de dos o ms pasos, el anlisis
semntico se realiza independientemente de la generacin de cdigo,
pasndose informacin a travs de un archivo intermedio, que
normalmente contiene informacin sobre el rbol sintctico en forma
linealizada (para facilitar su manejo y hacer posible su
almacenamiento en memoria auxiliar). En cualquier caso, las rutinas
semnticas suelen hacer uso de una pila (la pila semntica) que
contiene la informacin semntica asociada a los operandos (y a veces
a los operadores) en forma de registros semnticos.
Propagacin de atributosSea la expresinint a,b,c; a/(b+c^2)
El rbol sintctico es:/ --------| | a + --------| | b ^ --------|
| c 2
De la instruccin declarativa, la tabla de smbolos y el
analizador morfolgico obtenemos los atributos de los operandos:/
--------| | a + int --------| | b ^ int --------| | c 2 int int
Propagando los atributos obtenemos:/ int --------| | a + int int
--------| | b ^ int int --------| | c 2 int int
Si la expresin hubiera sidoa/(b+c^-2)
El rbol sintctico sera el mismo, sustituyendo 2 por -2. Sin
embargo, la propagacin de atributos sera diferente:/ real --------|
| a + real int --------| | b ^ real int --------| | c -2 int
int
En algn caso podra llegar a producirse error (p.e. si /
representara slo la divisin entera). Si la expresin hubiera sidoint
a,b,c,d; a/(b+c^d)
El rbol sintctico sera el mismo, sustituyendo 2 por d. Sin
embargo, la propagacin de atributos sera incompleta:/ {int,real}
--------| | a + {int,real} int --------| | b ^ {int,real} int
--------| | c d int int
El analizador semntico podra reducir los tipos inseguros al tipo
mximo (real) o utilizar un tipo interno nuevo (ej. arit={int,real},
una unin). Lo anterior es un ejemplo de propagacin bottom-up. La
propagacin top-down tambin es posible: lo que se transmite son las
restricciones y los tipos de las hojas sirven de comprobacin. Por
ejemplo, si la divisin slo puede ser entera, transmitimos hacia
abajo la restriccin de que sus operandos slo pueden ser enteros. Al
llegar a d, esa restriccin se convierte en que d debe ser positiva.
Si no lo es, error. La implantacin de todos los casos posibles de
operacin con tipos mixtos podra ser excesivamente cara. En su
lugar, se parte de operaciones relativamente simples (ej. int+int,
real+real) y no se implementan las restantes (ej. int+real,
real+int), aadiendo en su lugar operaciones mondicas de cambio de
tipo (ej. int->real). Esta decisin puede introducir ambigedades.
Por ejemplo, sea el programareal a; int b,c; a:=b+c
El rbol sintctico es::= --------| | a + real --------| | b c int
int
Existen dos conversiones posibles::= real --------| | a + real
real --------| | := real --------| | a + int real --------| |
b int
c int
b int
c int
El problema es que no tenemos garanta de que los dos
procedimientos sean equivalentes. El segundo puede dar overflow, el
primero prdida de precisin. La definicin del lenguaje debe
especificar estos casos. Las transformaciones posibles se pueden
representar mediante un grafo cuyos nodos son los tipos de datos y
cada arco indica una transformacin. Dado un operando de tipo A que
se desea convertir al tipo B, se trata de encontrar una cadena de
arcos que pase de A a B en el grafo anterior. Podra haber varios
grafos, cada uno de los cuales se aplicar en diferentes
condiciones, por ejemplo, uno para las asignaciones, otro para las
expresiones, etc.
Anlisis SemnticoLa habilidad para analizar un programa,
razonando acerca de sus propiedades, es una de las tareas ms
importantes en el diseo de software y en la manipulacin de
programas. El anlisis de flujo de datos, es decir, el proceso de
recoger informacin sobre la forma en que el programa usa las
variables y las estructuras de datos (sin necesidad de ejecutarlo)
juega un papel fundamental en el diseo de programas que, a su vez,
transforman programas (como compiladores, intrpretes, sistemas de
comprobacin de tipos, etc). Esto queda justificado, por ejemplo,
cuando se recapacita sobre la enorme proporcin de cdigo dedicada en
la mayora de compiladores modernos a la comprobacin y optimizacin
del cdigo generado, puesto que cualquier mejora en el cdigo
intermedio contribuye a producir un cdigo mquina correcto (con
idntica semntica) y ms rpido. Una aproximacin interesante para el
anlisis de los lenguajes de alto nivel consiste en considerar el
anlisis del programa como un tipo de pseudo evaluacin, es decir, un
proceso que imita la ejecucin del programa. La teora de la
Interpretacin Abstracta permite el diseo y verificacin sistemtica
de anlisis de flujo de datos, formalizando la relacin entre anlisis
y semntica. Diferentes estilos de definicin semntica conducen a
diferentes aproximaciones al anlisis de programas. El anlisis
semntico es posterior al sintctico y mucho ms difcil de formalizar
que ste. Se trata de determinar el tipo de los resultados
intermedios, comprobar que los argumentos que tiene un operador
pertenecen al conjunto de los operadores posibles, y si son
compatibles entre s, etc. En definitiva, comprobar que el
significado de lo que se va leyendo es vlido. La salida terica de
la fase de anlisis semntico sera un rbol semntico. Consiste en un
rbol sintctico en el que cada una de sus ramas ha adquirido el
significado que debe tener. En el caso de los operadores
polimrficos (un nico smbolo con varios significados), el anlisis
semntico determina cul es el aplicable. Por ejemplo, consideremos
la siguiente sentencia de asignacin: A := B + C En Pascal, el signo
+ sirve para sumar enteros y reales, concatenar cadenas de
caracteres y unir conjuntos. El anlisis semntico debe comprobar que
B y C sean de un tipo comn o compatible y que se les pueda aplicar
dicho operador. Si B y C son enteros o reales los sumar, si son
cadenas las concatenar y si son conjuntos calcular su unin.
El anlisis sintctico y el anlisis semnticoDe todos los niveles
de anlisis expuestos, la sintaxis ha sido durante mucho tiempo y an
sigue siendo el nivel al que la lingstica le ha prestado mayor
atencin. Est casi exclusiva atencin se justifica por dos razones
principales en cuanto al tratamiento automtico del lenguaje natural
(Rich & Knight 1994): 1. El procesamiento semntico funciona
sobre los constituyentes de la oracin. Si no existe un paso de
anlisis sintctico, el sistema semntico debe identificar sus propios
constituyentes. Por otro lado, si se realiza un anlisis sintctico,
se restringe enormemente el nmero de constituyentes a considerar
por el semntico, mucho ms complejo y menos fiable. El anlisis
sintctico es mucho menos costoso computacionalmente hablando que el
anlisis semntico (que requiere inferencias importantes). Por tanto,
la existencia de un anlisis sintctico conlleva un considerable
ahorro de recursos y una disminucin de la complejidad del sistema.
2. Aunque frecuentemente se puede extraer el significado de una
oracin sin usar hechos gramaticales, no siempre es posible hacerlo.
Por esto es evidente que la disponibilidad de un buen parser es
determinante para conseguir buenos resultados en los niveles
superiores de anlisis. Aunque el objetivo del presente trabajo no
es ste, nos detendremos a analizar el funcionamiento de los parsers
tpicos porque es importante para entender las necesidades de
informacin que este tipo de aplicaciones requiere, as como los
beneficios que tales aplicaciones pueden obtener de una correcta y
exhaustiva estructuracin de la informacin lingstica. La sintaxis
contempla dos modos diferentes, pero no por ello opuestos, de
anlisis. El primero es el anlisis de constituyentes o anlisis de
estructura de frase: la estructuracin de las oraciones en sus
partes constituyentes y la categorizacin de estas partes como
nominales, verbales, adjetivales, etc. El segundo es el anlisis de
las relaciones o funciones gramaticales: la asignacin de
relacionales gramaticales tales como Sujeto, Objeto, etc. Desde el
punto de vista del parser, una gramtica es un conjunto de reglas
que describen cmo los distintos constituyentes se pueden combinar.
Las combinaciones permitidas por la gramtica son consideradas
gramaticales, mientras que el resto son agramaticales. Formalmente,
una lengua es un conjunto de oraciones; cada oracin es una cadena
de uno o ms smbolos pertenecientes al vocabulario de la lengua.
Desde esta perspectiva, una gramtica no es ms que una especificacin
formal y finita de este conjunto de oraciones (Grishman 1986). Esta
especificacin puede ser llevada a cabo por enumeracin si el
conjunto de oraciones es finito. Si el conjunto de oraciones es
infinito o el nmero de posibles oraciones es demasiado elevado,
resulta imposible o poco econmico describirlas por enumeracin. La
otra manera es idear un mecanismo, es decir una gramtica, capaz de
decidir, mediante la aplicacin de un determinado nmero de reglas,
si determinada oracin es o no es gramatical. Tal tipo de gramtica
suele ser una gramtica de estructura de frase o gramtica
sintagmtica (PSG: Phrase Structure Grammar) (Hopcroft & Ullmann
1979). Las gramticas de estructura de frase han sido y son
ampliamente utilizadas en las aplicaciones de anlisis del lenguaje
natural, ya que se caracterizan por aportar una especificacin
formal de una lengua, lo cual las hace susceptibles de ser
implementadas mediante algoritmos computacionales. Esta
implementacin, es decir, el conjunto de reglas, junto con el
algoritmo que ha de desarrollarlas, es lo que se denomina parser.
Una PSG tiene cuatro componentes (Grishman 1986:25):
1. Un vocabulario terminal T: las palabras o smbolos de la
lengua definida 2. Un vocabulario no-terminal N: (los smbolos que
no pertenecen al anterior y que se utilizanpara especificar la
gramtica. Se define V como la unin de estos dos vocabularios: V =
(T U N).
3. Un conjunto de reglas o producciones P, donde cada regla es
de la forma: aes una secuencia de uno o ms smbolos de V (es decir,
a cero o ms smbolos de V (a V*).
b donde a
V+) y b es una secuencia de
4. El smbolo inicial S, miembro de N.La operacin bsica de una
PSG es la de reescritura, es decir, la conversin de una secuencia
de smbolos LHS (Left Hand Side) en otra diferente (RHS: Right Hand
Side). Por ejemplo, si a b es una regla, esto significa que podemos
reescribir cualquier smbolo que contenga la subcadena a,
reemplazando a por b. Por ejemplo: nav nbv donde el smbolo " "
denota esta operacin de reescritura.
Una lengua definida por una PSG es el conjunto de cadenas
terminales (es decir, secuencias compuestas totalmente por smbolos
terminales) que pueden derivarse del smbolo inicial S. La gran
mayora de las gramticas formales para la descripcin formal del
lenguaje natural que se han propuesto hasta ahora estn basadas en
la gramtica de estructura de frase, lo cual determina el hecho de
que casi todos los parsers estn basados tambin en ella. Una
sencilla PSG para un subconjunto del ingls podra quedar determinado
por el siguiente conjunto de reglas:
1. O 2. SN 3. SV 4. DET 5. Npr 6. N 7. V
SN, SV
Npr | DET, N V | V, SN
the | a John
printer cleaned, printed
Esta gramtica, por ejemplo, puede ser directamente implementada
en un sistema prolog, que contenga un intrprete standard DCG
(Definite Clause Grammar) (Pereira & Warren 1980), y podra
generar las siguientes oraciones bien formadas segn nuestra
gramtica: John cleaned John cleaned the printer John cleaned the
document John printed
John printed the printer John printed the document ? the printer
cleaned ? the printer cleaned John ? the printer cleaned the
document the printer printed ? the printer printed John the printer
printed the document ? the document cleaned ? the document cleaned
John ? the document cleaned the printer ? the document printed ?
the document printed John ? the document printed the printer Esta
pequea gramtica es una gramtica independiente del contexto, porque
satisface la condicin A x
donde A es un smbolo no-terminal y x es una secuencia de cero o
ms smbolos terminales y noterminales. La principal caracterstica de
este tipo de gramticas (CF-PSG: Context-Free Phrase Structure
Grammar) es que emplea un conjunto finito de reglas para
especificar la forma en que las categoras LHS se pueden reescribir
en la RHS. Cuando una regla determinada especifica una realizacin
determinada, esta realizacin es siempre posible, independientemente
del contexto en la que la categora LHS aparece, de ah el
nombre.
