基于模板和規則的聲明式代碼生成

北方工業大學 馮俊輝 劉晨 郭浩然

Drools是開源業務規則引擎，規范的Drools規則代碼具備簡短、聲明式、可讀性強等特性。目前，Drools規則代碼需人工編寫，缺少一套機制自動生成代碼。本文中，提出一套基于模板和規則的機制以生成聲明式Drools規則代碼，并針對物聯網環境，構建了7500條Drools規則。基于構建的規則集，對本文提出的系統架構進行了驗證，并取得了一定成果。

高級編程語言依據編程規范，分為命令式語言、聲明式語言。官方規范的Drools規則語言是聲明式的，包含命令式、條件式代碼的復雜規則可轉換為多條聲明式規則。Drools作為推理引擎，可用于物聯網環境，依據規則以及規則間的推理關系實現物聯網設備的自動控制。

但是，非技術人員無法編寫Drools規則代碼。為解決該問題，本文提出基于模板和規則的方法幫助用戶從受限自然語言生成Drools規則。基于模板的代碼生成(TBCG)是從高級規范生成代碼的合成技術，可根據模板計算動態部分，是模型驅動工程(MDE)中的流行技術。基于規則的代碼生成是開發人員依據經驗或者先驗知識、事實等制定的一種策略，為自然語言到自然語言、代碼之間的轉換提供了依據。

目前，自然語言到代碼生成的研究主要聚焦于TEXT2SQL任務，忽略了其他領域基于自然語言生成代碼的需求，本文正好彌補了這一缺陷。

1 Drools規則模板

Drools規則作為Drools引擎推理依據，由規則名、屬性、條件部分(LHS)、動作部分(RHS)組成。結合物聯網環境、Drools規則代碼特點，制定如圖1所示模板。

圖1 Drools規則模板Fig.1 Drools rule template

模板中：ruleName為規則名、ClassName為系統類名、instanceName為類實例對象名、Field為類屬性、Operator為操作符、Value為屬性值、AND|OR為邏輯符合、Method為方法名。

本文提出的架構結合Drools規則模板，可解析用戶輸入的受限自然語言以替換上述模板內容，自動生成Drools規則。

2 系統架構

本文基于模板和規則的方法提出如圖2所示框架。

圖2 Drools規則代碼自動生成框架Fig.2 Drools rule code automatic generation framework

框架以自然語句作為輸入，將復雜自然語句切為多條簡單自然語句。采用Semantic Analysis、Template Analysis，對簡單自然語句進行語法、模板分析，解析結果與Java類文件、類文件描述、Drools規則模板輸入Drools規則生成器。最終，由Drools規則生成器輸出自然語句對應的Drools規則。其中，Java文件則為系統類文件，Java描述文件則是對類、類方法、成員屬性進行功能描述的文件。

2.1 Split Statement

Split Statement負責切分復雜自然語句，將包含多個and、or復合邏輯的自然語句分割為僅包含單個and或or的簡單自然語句，也即Simple Nature Language。語句切分必要性包含兩點：簡化解析難度、符合Drools官方規范。

2.2 Semantic Analysis

Semantic Analysis模塊，采用NLP技術對自然語句進行解析。本文使用斯坦福大學提供的StanfordCoreNLP，通過Lemma化、依存分析、命名實體識別、part-of-speech信息和語法規則對簡單自然語句進行解析。如，針對自然語句“When the air-conditioning is turned on, then close the window.”，StanfordCoreNLP解析得到的Lemma化結果、依存樹結構分別如圖3、圖4所示。

圖3 語句Lemma化結果Fig.3 Lemma result of statement

圖4 依存樹示例Fig.4 Example of dependency tree

通過Lemma化結果，如“turned on”歸一為“turn on”，Lemma化的優勢在于可去除時態、三單等語法形式引入的復雜性。

通過依存樹的結構信息，可以分析各設備及其動作。自然語句中存在作為屬性值的數字等實體時，可結合實體分析和依存樹結構，判斷出屬性值的從屬關系。

針對Drools規則在物聯網環境下的特點，涉及的語法主要包括主系表、主謂賓、There be三種結構。

2.3 Template Analysis

Template Analysis通過解析模板對自然語句進行處理，以獲取簡單自然語句中的設備名、屬性、參數值。本文系統中，解析模板包含兩類：自動模板、人工模板。自動模板從小規模訓練集中提取，提取步驟如下：

(1)通過StanfordCoreNLP獲取簡單自然語句PosTags信息，將PosTags詞元形式作為模板，以提升其泛化能力；

(2)觀察簡單自然語句與對應的Drools規則，依據規則擦除PosTags中對應位置的信息，設備名、屬性、參數值分別采用正則表達式標識；

(3)模板入庫，人工模板由系統人員編寫，與自動模板相比，人工模板更具針對性、可靠性。本系統中，人工模板的解析優先級高于自動模板。

Semantic Analysis、Template Analysis解析結果格式如下：

when部分：{ 設備名, 屬性, 操作符, 參數值,邏輯符號 }

then部分：{ 設備名, 屬性, 動作, 參數值 }

2.4 Drools Rule Generator

Drools Rule Generator由5部分構成：

Class Component：將解析的設備名轉化為系統類名。類名解析首先判斷是否具備類名同設備名相同，不同時則計算類名與設備名相似度，超過相似度閾值時則解析結束。否則，將通過類描述文件判定包含關系以及相似度。經實驗表明，類描述文件是解析系統的有力補充模塊；

Method Component：將動作轉化類方法。通過StanfordCoreNLP獲取動作字段詞元，字段原形態、詞元形態分別記為a1、a2。遍歷方法注冊表，若a1、a2與方法描述語句存在匹配關系，則將方法納入候選集。遍歷結束，通過類名、屬性值對候選集進行二次過濾以獲取最終結果；

Field Component：將屬性轉化為類屬性。若屬性字段為空，則以設備名作為屬性。遍歷屬性描述文件，若與描述存在匹配關系或相似度超過閾值，則將屬性納入候選集。候選集中存在多個可能屬性時，通過設備名、設備名對應的類名對結果二次過濾，以獲取最終屬性；

Value Component：為類成員屬性賦值。在賦值操作中，主要將對參數值的類型以及成員屬性類型進行一致性校驗，校驗成功后進行賦值；

Validate Component：驗證生成的Drools規則語法是否正確。

基于模板和規則的方法，結合以上架構，可自動將用戶輸入的受限自然語句轉化為Drools規則代碼。

3 實驗

3.1 數據集

人工編寫7500條物聯網環境下的標準Drools規則，每條規則由自然語句、Drools規則構成，數據集結構如下：

(1)2500條每個規則僅包含與邏輯的數據集；

(2)2500條每個規則僅包含或邏輯的數據集；

(3)2500條每個規則同時包含與或邏輯的數據集；

(4)7500條混合數據集，由以上3部分數據集構成。

3.2 評價指標

自然語句到Drools規則自動生成采用BLEU(Bilingual Evaluation Understudy)、ROUGE(Recall-Oriented Understudy for Gisting Evaluation)作為評價標準。BLEU、ROUGE指標分別計算1-gram至4-gram評分，以評估生成代碼的準確度、流暢度。

BLEU評分范圍為0～1，分數越接近1，翻譯質量越高，計算公式如下：

其中，lc為機器譯文長度，lr為最短參考翻譯句子長度。BLEU需計算譯文1-gram--N-gram精確率，通常N取4。Pn為N-gram精確率，Wn為N-gram權重，BP為懲罰因子。算法中，1-gram表示譯文符合原文的程度，N-gram表示翻譯結果流暢度。

ROUGE主要基于召回率，是常用的機器翻譯和文章摘要評價指標，由Chin-Yew Lin提出，計算公式如下：

公式中，分母為參考譯文中N-gram個數，分子為參考譯文與機器譯文共有N-gram個數。

3.3 實驗結果

針對3.1部分提出的數據集，自然語句生成聲明式Drools規則代碼實驗結果如表1所示。

表1 Drools規則代碼生成實驗結果Tab.1 Experimental results of Drools rule code generation

根據實驗結果，7500條自然語句BLEU-1翻譯得分為0.9925、ROUGE-1為0.9870，表明生成的Drools規則與標準規則匹配度很高。2-gram至4-gram表示翻譯流暢度，其中4-gram含義最強。對于7500條自然語句翻譯結果，BLEU-4為0.9642，ROUGE-4為0.8888，表明生成的Drools規則與標準規則在流暢度方面表現較好。生成的Drools規則與標準規則之間的差異歸結為以下兩點：

(1)屬性值、方法值不同。自然語言解析階段無法獲得屬性值或方法值，是造成差異的原因之一。如針對“when the light is turned on”條件，規則代碼生成時可推理出該條件對應的類為Light、屬性為State，但無法得知State值為0或1。方法值不同亦是如此。

(2)屬性順序不同。自然語言翻譯領域，如漢英互譯時，主謂賓等語法順序的正確性決定了翻譯結果的準確性。但是，Drools規則代碼的條件屬性順序卻有所不同。如“AirConditionor(state==1,isOn==true)”和“AirConditionor(isOn==true,state==1)”，二者條件屬性順序不同，但條件含義、語法、執行結果均一致。由此，BLEU、ROUGE在計算N-gram時，無法準確體現結構不同的代碼在功能上是否一致。

4 結語

Drools作為成熟的商業引擎，同IFTTT一樣可用于物聯網環境。通過制定Drools規則，可依據環境狀態自動控制物聯網設備。本文提出的基于模板和規則的方法和系統架構，可依據受限自然語句自動生成聲明式Drools規則代碼。實驗結果表明，基于模板和規則的方法在實際應用過程中具備可實施性、高精準性。但是，本文架構中的語義解析、模板解析模塊還不夠完善，有些自然語言形式化表達字段還無法解析，未來工作將提出更完善的形式化表達字段解析方法。