学習理論を利用したテキスト情報からの知識獲得に関する研究

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、テキスト情報から知識獲得を行なう高次自然言語理解システムを開発する場合には、テキストを解析するにつれて漸増的に領域知識を獲得するメカニズムが必要になる。また、現実世界を対象とする領域は不完全かつ不正確なweakーtheory domainであるために、新たな知識を獲得するたびに領域知識を半自律的に修正・管理するメカニズムが必要になる。以上のような考え方に基づいて、本研究課題では、学習理論に基づくテキスト情報がらの知識獲得に関する研究を行なっている。本年度は以下のテ-マに重点を置いて研究を行なった。(1)不完全な知識を補完するために、説明に基づく学習(EBL)と類推推論を融合した学習メカニズムを開発した。本メカニズムの特徴として、記憶された過去の事例のうち、類似した修正案を一般化することによって、FalkenhainerやRajamoneyらが提案した一般化ル-ルと同等なル-ル集合を構築することができることが挙げられる。(2)不正確な知識を同定・削除するために、EBLと類似性に基づく学習を融合した学習メカニズムを開発した。本メカニズムは、本質的にFlannとDietterichのIOEと同等であるが、IOEが正の例のみを用いているのに対し、本メカニズムでは正の例と負の例を共に用いている。(3)事例ら基づく学習とEBLを利用した知識獲得支援システムを開発した。本システムでは、まず事例に含まれる属性から想起されるカテゴリ-に入力事例を分類する。もし分類が失敗するとインタビュ-メカニズムが起動され、入力事例に対してEBLを利用したインタビュ-が行なわれ、新規のカテゴリ-に属する代表的な属性集合、およびカテゴリ-と各属性との間に内在する因果関係が範例として獲得される。

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、テキスト情報から知識獲得を行なう高次自然言語理解システムを開発する場合には、テキストを解析するにつれて漸増的に領域知識を獲得するメカニズムが必要になる。また、現実世界を対象とする領域は不完全かつ不正確なweakーtheory domainであるために、新たな知識を獲得するたびに領域知識を半自律的に修正・管理するメカニズムが必要になる。以上のような考え方に基づいて、本研究課題では、学習理論に基づくテキスト情報がらの知識獲得に関する研究を行なっている。本年度は以下のテ-マに重点を置いて研究を行なった。(1)不完全な知識を補完するために、説明に基づく学習(EBL)と類推推論を融合した学習メカニズムを開発した。本メカニズムの特徴として、記憶された過去の事例のうち、類似した修正案を一般化することによって、FalkenhainerやRajamoneyらが提案した一般化ル-ルと同等なル-ル集合を構築することができることが挙げられる。(2)不正確な知識を同定・削除するために、EBLと類似性に基づく学習を融合した学習メカニズムを開発した。本メカニズムは、本質的にFlannとDietterichのIOEと同等であるが、IOEが正の例のみを用いているのに対し、本メカニズムでは正の例と負の例を共に用いている。(3)事例ら基づく学習とEBLを利用した知識獲得支援システムを開発した。本システムでは、まず事例に含まれる属性から想起されるカテゴリ-に入力事例を分類する。もし分類が失敗するとインタビュ-メカニズムが起動され、入力事例に対してEBLを利用したインタビュ-が行なわれ、新規のカテゴリ-に属する代表的な属性集合、およびカテゴリ-と各属性との間に内在する因果関係が範例として獲得される。