Author：Peter Ochieng（<--这个是作者！）
3.PAROT结构
3.1 Step1:识别目标
识别用户提交的自然语言查询语句并提取目标词汇，该目标词汇可以直接放置在SPARQL的SELECT之后。为了帮助识别用户提交的查询中的目标词汇，我们使用类型化依赖解析器（typed dependency parser），如Stanford类型化依赖解析器(2015,Marneffe & Manning--Standford typed dependency parser)。该依赖器可以识别语法关系并且提取词汇。为了提取查询中的目标字，我们把查询分为两类：Wh（WRB,WP,WDT）、non WH（读到这里，我还不知道它们是什么的缩写！？）。
3.1.1 基于Wh目标词汇的查询
此类查询由Wh开始的词汇组成，比如什么、何时、哪里、谁、谁的、哪一个、是谁、为什么、怎样（what, when, where, who, whom, which, whose, why, and how）。为了识别此类查询中的目标词汇，我们在方程1、2中应用两种关键的规则（方程在下面）。
（对于方程的个人理解：1a-->任意x、y条件下的W，使用nsubj能够产生目标W；1b-->任意x、y、z下的W通过nsubj和conj能够产生目标W；2a和2b使用nsubjpass差不多能够产
生对应的结果。）
这里，dep（x,y)是存在于x和y之间的依赖关系。句子的单词构成函数操作的域的常量。（1a)(1b)适用于非关系查询（3.2.1会例外说这个问题）。它们基本上识别用户提交的查询中的标称主题（nominal subjects），并将它们标记为目标。（1a)提供了一个头部主题与任何其他标称（nominal）之间没有连词（conjunct）关系的查询,比如，人口最多的州的面积是多少？（What is the area of the most populated state ?）依据Stanford依赖解析器依赖关系图如图1（Fig.1）所示。
公式（1a)的在此项查询的具体应用如下图所示：
单词is和are之间的依赖项nsubj(is，area)保持不变，因此，选择标称area作为查询的目标。如果用户输入查询为“人口最多的州的面积和人口是多少（What is the area and population of the most populated state ?）”，依赖解析器依赖关系图就会类似于图2（Fig.1）所示。
由于在这个查询中，头部主题区域是通过“and”关联其他标称的，所以公式（1b)适用（此查询的公式应用如下图所示）。
这里area和population都被选做了目标词汇。通过coordination conjunction协调连接，这个规则基于多个标称（nominal）与头部主题(head subject)之间的联系还可以捕捉场景，比如，and、or和“，”，再比如“人口最多的州的人口，面积和首都是多少？（What is the population, area and capital of the most populated state？）”。
在公式（2a)(2b)里面的规则适用于基于关系的查询。它们依靠识别用户提交查询中的被动标量主题（passive nominal subjects）标记（flag）查询中的主题词汇。(2a)应用于头部主题不通过conjunction连接词连接其他标量（nominal）的情况，比如查询为“哪个德国演员在车祸中丧生（Which German actor was killed in a roadcrash ?）”，标量actor被选为目标词汇。（个人理解，was killed是个被动语态，所以识别出actor为目标词汇，which为头部词汇）
公式(2b)通过coordination conjunction协调连接，这个规则基于多个标称（nominal）与头部主题(head subject)之间的联系还可以捕捉场景，比如，and、or和“，”（类比前面的1b），再比如“哪个德国演员和音乐家在车祸中丧生？（Which German actor and musician were killed in a road crash?）”，标称actor和musician被选择为目标词汇。
(个人爱好，多多指正，这个过程，主要磨练心智，还能够让我更宁静！）