Abstract
在自然語言處理的過程中，語句中含有分歧(Ambiguous) 或未知的詞類是常遭遇到的困擾。一般語法剖析的演算法皆其於回溯(Backtracking)的機制搜尋所有可能的路徑去尋找合法的剖析樹并連用內建的規則來修正語誤。本論文提出一個回溯式神經網路( 稱為SPARK)的剖析架構能夠根據前後出現的詞類與結構樹的型態肯定地(Deterministically) 解決剖析過程中連續出現的歧義或語誤。并且利用類神經網路模型隱含式及平行條件求解的能力，直接訓練SPARK 由不同的例句中習得剖析分歧語句的技巧。APARK 是一個三層的向前聯接式類神經網路，其中隱藏層的輸出被回溯地連結到輸入層的狀態單元。當進行剖析時，句子中的單字會被依序地放在輸入單元和前瞻單元中, 如果單字含有多重詞性，每個詞類所對應的神經元皆會觸發。每次剖析步驟的目標是要選擇一個合於上下文的詞類及對應於剖析樹的詞組鍵(Phrasaal Link) 。實驗中所給的例句是由一組定義的語法規則所產生，接著測試SPARK 歸納學習的能力，讓系統嘗試剖析未曾見過之語句，其中含有多個詞類分歧與詞性未知的單字。結果顯示SPARK 可以有效地預測應該可能出現的詞類并給定一組詞組鍵以表示所對應的剖析樹。此外本系統不受句子長度與剖析樹層數的限制，對於多層的包孕子句(Embedding clause)仍可正確標定出詞組及子句所涵蓋之範圍。