存储和搜索自然语言句子结构树的最佳方法是什么？

使用 OpenNLP’s English Treebank Parser，我可以获得相当可靠的任意句子的句子结构分析。我想做的是创建一个工具，它可以从我的源代码中提取所有的文档字符串，为文档字符串中的所有句子生成这些树，将这些树及其相关函数名存储在数据库中，然后允许用户使用自然语言查询来搜索数据库。

因此，给定函数 upload_files() 的句子 "This uploads files to a remote machine."，我将得到以下树：

(TOP  (S    (NP (DT This))    (VP      (VBZ uploads)      (NP (NNS files))      (PP (TO to) (NP (DT a) (JJ remote) (NN machine))))    (. .)))

如果有人输入查询 “How can I upload files?”，对应于以下树：

(TOP  (SBARQ    (WHADVP (WRB How))    (SQ (MD can) (NP (PRP I)) (VP (VB upload) (NP (NNS files))))    (. ?)))

我应该如何在 SQL 数据库中存储和查询这些树？

我已经编写了一个简单的概念验证脚本，可以使用正则表达式和网络图解析的混合来执行此搜索，但我不确定如何在可扩展的方式中实现它。

是的，我知道我的例子使用简单的关键词搜索很容易检索。我试图测试的想法是如何利用语法结构，这样我就可以剔除具有相似关键词但句子结构不同的条目。例如，对于上述查询，我不想检索与句子 "Checks a remote machine to find a user that uploads files." 相关的条目，该条目具有相似的关键词，但显然描述的是完全不同的行为。

回答：

关系数据库无法以自然的方式存储知识，您真正需要的是知识库或本体（尽管它可能构建在关系数据库之上）。它以三元组 <subject, predicate, object> 的形式保存数据，因此您的短语将存储为 <upload_file(), upload, file>。有很多工具和方法可以在这样的 KB 中搜索（例如，Prolog 是一种专门为此设计的语言）。因此，您所要做的就是将自然语言的句子翻译成KB 三元组/本体图，将用户查询翻译成不完整的三元组（您的问题看起来像 <?, upload, file>）或合取查询，然后在您的 KB 上搜索。OpenNLP 将帮助您进行翻译，其余取决于您决定使用的具体技术和技术。