DATR是一种声明式知识表示语言，旨在编码默认继承网络。它于1989年由苏塞克斯大学的Roger Evans和Gerald Gazdar提出。该语言用于计算语言学中表示词汇知识，例如单词的形态、句法和音韵属性。DATR是人工智能的一个子领域，以其形式语义以及对默认继承和多继承的支持而著称。
历史背景
DATR出现于20世纪80年代末，当时符号方法主导了人工智能研究。MIT CSAIL、斯坦福AI实验室和卡内基梅隆大学等机构正在开发知识表示系统和基于逻辑的形式体系。施乐帕克研究中心和贝尔实验室的研究为编程语言和人工智能奠定了基础性工作。后来，伯克利人工智能研究和多伦多大学成为联结主义和统计方法的中心，这与产生DATR的符号传统形成对比。
语法与语义
在DATR中，知识库由一组节点组成，每个节点包含路径方程。路径是原子序列，节点可以为路径定义值。例如，名词“dog”的节点可能指定<root> = "dog"和<plural> = "dogs"。默认继承通过对方程排序实现，使更具体的节点覆盖更一般的节点。该语言还支持多继承，即一个节点可以从多个父节点继承。DATR的形式语义通过全局继承网络上的最小不动点构造定义，这保证了任何良构知识库都有唯一模型。
该语言语法简单，没有变量。路径写成尖括号内的原子序列，方程使用等号。节点可以通过列出方程来定义，继承通过引用其他节点来表达。DATR还支持正交继承，其中不同路径可以独立地从不同父节点继承。
实现
DATR的原始实现是用Prolog编写的，该语言设计为易于嵌入更大的自然语言处理系统中。Evans和Gazdar发布了DATR的形式规范，提供了将知识库映射到模型的指称语义。这一规范使得DATR可以在其他编程语言中实现，随后为研究目的开发了多个版本。
应用
DATR主要用于计算语言学中表示词汇信息。它是ACQUILEX项目（1989-1993）的核心组成部分，该项目为英语、意大利语、荷兰语和西班牙语构建了多语言词汇知识库。该语言还应用于形态学、句法和音韵学研究，其中默认继承自然捕捉了规律性和例外情况。例如，一般名词节点可能定义默认复数形式，而“child”的特定节点则用“children”覆盖它。DATR对词汇知识的显式编码与现代大型语言模型形成对比，后者从大型语料库中学习统计模式。它也不同于生成文本的生成式AI系统，因为DATR是一种声明式形式体系，而非生成模型。
影响与遗产
尽管DATR已不再广泛使用，它仍然是符号知识表示形式体系的重要示例。其默认继承和多继承的原则影响了后来的知识表示语言和本体论。DATR常与机器学习和深度学习方法进行对比，后者依赖于神经网络和变换器。现代AI系统，如OpenAI和Google DeepMind开发的系统，基于深度学习而非符号知识表示。因此，DATR作为理解从符号AI向统计和联结主义方法转变的历史参考点。