该图显示了使用基于示例的方法为X语言创建短语手册的过程，在我们的案例中，无论是丹麦语、荷兰语、德语还是挪威语，我们都必须使用与语法学家不同的母语者进行的知情开发和测试。
评论：箭头表示流程的主要步骤，而圆圈表示流程每个步骤后的初始和最终结果。红色箭头表示手动工作，绿色箭头表示自动操作。虚线箭头表示可选步骤。对于每一步，都会给出估计的时间。这是可变的，受目标语言的特点和短语的语义复杂性的影响很大，只适用于短语手册语法。
初始资源：
- 英语短语手册
- X的资源语法
- 用于生成单词屈折形式的脚本，以及X语言短语手册中词汇条目的相应线性化。例如，就国籍而言，因为我们对国家名称、语言以及人和地方的公民身份感兴趣，我们会生成“我是英国人。我来自英国。我说英语。我去一家英国餐馆”这样的结构，从翻译的结果中我们会推断出每个特征的正确形式。在英语中，在大多数情况下，语言名称与人和地方的公民身份之间存在歧义，但在其他语言中，这三种语言可能有完全不同的形式。这就是为什么在例子中明确上下文很重要，这样翻译才更有可能成功。正确的示例测试设计依赖于语言，并假设对资源语法进行分析。例如，在某些语言中，我们只需要名词的单数和复数形式来构建其GF表示，而在其他语言（如德语）中，在最坏的情况下，我们需要从示例中正确呈现6种形式。
- 用于生成涵盖语法中所有结构的随机测试用例的脚本。它基于抽象语法的当前状态，为每个抽象函数生成一些随机参数，并显示英语和X语言中结构的线性化，以及生成的抽象语法树。
- 第一步：目标语法分析
-
第一步假设对资源语法进行分析，并提取构建新词汇条目的函数所需的信息。建立了一个模型，以便能够呈现单词的正确形式，并可以推断出其他信息，例如性别。脚本将这些规则应用于我们要翻译成目标语言的每个条目，然后获得一组结构。
- 步骤2：用目标语言生成示例
-
生成的结构被提供给外部翻译工具（谷歌翻译）或母语人士进行翻译。即使翻译人员是人，也需要配置文件，因为不需要语法的正式知识。
- 步骤3：使用GF解析和解码示例
-
为了首先建立类别的线性化，对接收到的信息进行解码，对翻译成目标语言的译文进行了进一步处理。此外，有了词典中的单词，就可以用GF解析器解析函数的翻译并从中进行概括。
- 第4步：评估和纠正生成的语法
-
生成的语法在测试脚本的帮助下进行测试，该脚本生成涵盖语法中所有功能和类别的结构，以及一些其他在某些语言中被证明有问题的结构。母语为英语的人会评估结果，如果需要更正，算法会使用新的示例再次运行。根据语法编写者的语言技能，可以直接在GF文件中进行更改，并且本地信息提供者给出的正确示例仅用于验证结果。只要需要修正，就会重复该算法。
将来不需要为语法准备配置文件所需的时间，因为这些文件可用于其他应用程序。如果使用像谷歌翻译这样的自动工具，第二步可以节省时间。这只有在形态和语法更简单的语言中才可能实现，并且可以使用大型语料库。通过谷歌翻译，德语和荷兰语获得了不错的结果，但对于罗马尼亚语或波兰语这样既复杂又缺乏足够资源的语言，结果令人失望。
如果统计预言器运行良好，那么唯一需要人工翻译的步骤就是评估和反馈步骤。我们进行实验的语言平均每轮需要4小时，平均需要2轮。对于更复杂的语言，可能需要付出更多的努力。
将进一步开展工作，建立一个更全面的语法测试和评估工具，并将分析从英语到各种目标语言的机器翻译外部工具的影响，以便该过程能够在更高程度上实现自动化，以便今后的语法工作。
