[論文レビュー] Extending Term Subsumption systems for Uncertainty Management

John Yen, Piero P. Bonissone|arXiv (Cornell University)|Mar 27, 2013

Semantic Web and Ontologies参考文献 7被引用数 7

ひとこと要約

この論文は、知識ベースにおける不確実性を管理するため、用語包含システム（TSS）と近似推論モデルを統合する統一アーキテクチャを提案する。帰納的推論と近似推論の間で双方向の相互作用を可能にし、用語的意味論を一般化することで、不確実性下での妥当な推論を可能にし、スケーラブルで不確実性に配慮した知識表現のための相乗的基盤を構築する。

ABSTRACT

A major difficulty in developing and maintaining very large knowledge bases originates from the variety of forms in which knowledge is made available to the KB builder. The objective of this research is to bring together two complementary knowledge representation schemes: term subsumption languages, which represent and reason about defining characteristics of concepts, and proximate reasoning models, which deal with uncertain knowledge and data in expert systems. Previous works in this area have primarily focused on probabilistic inheritance. In this paper, we address two other important issues regarding the integration of term subsumption-based systems and approximate reasoning models. First, we outline a general architecture that specifies the interactions between the deductive reasoner of a term subsumption system and an approximate reasoner. Second, we generalize the semantics of terminological language so that terminological knowledge can be used to make plausible inferences. The architecture, combined with the generalized semantics, forms the foundation of a synergistic tight integration of term subsumption systems and approximate reasoning models.

研究の動機と目的

• 大規模な知識ベースにおける不確実性を扱うために、用語包含システム（TSS）と近似推論モデルを統合する課題に取り組むこと。
• 従来の研究が確率的継承に限定していた限界を克服し、広範な不確実性管理を可能にする。
• 帰納的推論におけるTSSと近似推論メカニズムの間の相互作用を明確に定義する一般的なアーキテクチャを設計すること。
• 用語的言語の意味論を一般化し、不確実性下での妥当で非単調な推論を可能にする。
• TSSと近似推論を強力に統合し、信頼性の高い知識表現の基盤を確立すること。

提案手法

• 帰納的TSSと近似推論者が明確なインターフェースを通じて相互作用するハイブリッドアーキテクチャを提案する。
• 厳密な包含を超える不確実で妥当な推論を可能にする一般化された意味論を用語的論理に拡張する。
• 近似推論から得た不確実性をTSSに逆方向に伝播させ、整合性と洗練を確保するメカニズムを導入する。
• TSSが明確な定義的知識を処理し、近似推論者が不確実で反証可能な知識を処理する階層的推論モデルを採用する。
• 2つの推論コンポONENT間の矛盾や不確実な推論を統合するために、信念修正メカニズムを採用する。
• 用語的定義と不確実性測定値を組み合わせる形式的枠組みを定義し、不完全または不正確なデータ下での推論を可能にする。

実験結果

リサーチクエスチョン

• RQ1 用語包含システムを、表現力や効率性を損なわずに不確実性下での推論を可能にするように拡張する方法は何か？
• RQ2 帰納的TSSと近似推論モデルを効果的かつ緊密に統合するためのアーキテクチャ的原則は何か？
• RQ3 用語的言語の意味論をどのように一般化すれば、妥当で非単調な推論を可能にするか？
• RQ4 明確な定義と不確実な証拠を組み合わせた際の整合性と一貫性を保証するメカニズムは何か？
• RQ5 TSSと近似推論コンポONENT間のインターフェースを越えて、不確実性をどのように伝播・管理するか？

主な発見

• 提案されたアーキテクチャは、帰納的TSSと近似推論者間の双方向通信を可能にし、推論の堅牢性を向上させる。
• 一般化された用語的意味論により、知識が不完全または不確実であっても妥当な推論が可能になる。
• 統合により非単調な推論が可能となり、新たな不確実な証拠が得られた段階で結論を撤回または見直すことができる。
• TSSの表現力を維持しつつ、不確実性を原理的かつ一貫した方法で拡張する。
• 定義的知識と不確実な現実世界データを組み合わせたスケーラブルな知識ベースの基盤を提供する。
• 実用的なエキスパートシステムへの導入を可能にし、正確な定義と不確実性に配慮した推論の両方を満たす。