学習理論を利用したテキスト情報からの知識護得に関する研究

点击翻译按钮获取中文摘要

概念形成、知識獲得などの知的創造機能を実現するためには、高度な学習メカニズムの開発が必要である。たとえば、新たな概念の護得には、以下のような段階的な学習メカニズムが必要である。まず、与えられた観測事例から、帰納的学習によって「種」となる初期の領域理論を形成する。これを理論形成と呼ぶ。つぎに、新たな事例が与えられるたびに、初期の領域理論を修正・管理しながら、領域理論を洗練化する。これを理論修正と呼ぶ。上記のステップを繰り返して、最終的に新たな概念を十分かつ完全に説明する領域理論が獲得される。本研究課題では、以上のような考え方に基づいて、以下のテーマの重点を研究を行なった。1)過去の事例集合から得られる統計的な特徴から、事例の属するカテゴリー概念を形成し、未学習の事例が与えられると、概念との距離(連想度と呼ぶ)をもとにして、適切な概念に分類する概念学習アルゴリズムを開発した本アルゴリズムをQuinlanのID3などと比較した結果、同等あるいはそれ以上の分類精度が得られることがわかった。現在は、本アルゴリズムの実数値データへの拡張、学習結果からのプロクションルームの抽出などを検討している。2)領域理論が不完全な場合には、それを補うための仮説を生成し、学習しようとする概念の説明を完成しなければならない。本研究では、生成された複数の仮説集合から一貫性(coherence)を考慮して最適な仮説を選択するシステムを開発した。3)事例ベース推論(case-basedreasoning)のアプローチを採用し、過去の理論修正で用いられた手法を事例として記憶しながら学習を行ない、新たに領域理論を修正する際には、過去の事例の修正法を利用するシステムを開発した。