完全/不完全知識を扱う高次推論型データベースにおける知識獲得

点击翻译按钮获取中文摘要

本研究は、完全な知識と不完全な知識の双方を扱いうる論理型データベースを対象に、高次推論環境下での帰納的知識自動獲得法の確立を目標とするものである。本研究に関し、今年度の研究成果を以下に要約する。1.完全/不完全知識の表現と推論方式研究対象とする高水準論理型データベースの基本要素である知識表現形態、並びに問合せ手続などを定めた。内包DBの知識表現をルール形式に統一するという設計方針を掲げ完全な知識には演繹DBのルール形式(完全ルール)を用い、不完全な知識には、例外許容型のオペレータを伴うデフォルトルール形式(不完全ルール)を採用した。また、2種類のルールの構成に正リテラルしか許さないという制限のもとで、反駁証明プロセスを利用した問合せ手続きを提案し、計算機に実装して性能を評価した。2.類推による完全内包DBのルール自動獲得本研究では少数の例題からの帰納的学習を実現するためには、例題を一般化する際に自らが所有する知識を積極的に利用することが重要と考え、既知の内包DB内の類似ルールを利用するという類推的な概念を導入した類推的一般化を定式化した。この考え方を基本原理とする学習手続きANGELを開発し、英文構文解析システムに対するルール生成実験の結果、完全内包DBの補完が可能であることを確認し、類推的一般化の有効性を示唆した。3.例外を含む外延DBからの不完全ルールの構成通常の知識獲得において用いられる正負の事例に加えて、例外事例という考え方を導入して事例間の関連性を検討し、帰納的学習の枠組で不完全ルールを自動構成するための基礎考察を行った。