[論文レビュー] Merging Locally Correct Knowledge Bases: A Preliminary Report

Paolo Liberatore|ArXiv.org|Dec 28, 2002

Logic, Reasoning, and Knowledge参考文献 18被引用数 3

ひとこと要約

本稿では、知識獲得における一貫性のない誤りを、単なる値の誤りに限定せず、名前衝突や誤識別などの異なるタイプの誤りとして扱うことで、局所的に正しい知識ベースを統合する一般化されたモデルを提案する。従来の最小変化信念修正は、誤りのモデルが狭く（例：誤った直接値）、限定的であることが示され、名前衝突や誤識別といった誤りを含むより広範なフレームワークを導入することで、個々の知識ベースが内部的に一貫しているが異なる実体を指している場合に、より正確な統合結果が得られることを示している。

ABSTRACT

Belief integration methods are often aimed at deriving a single and consistent knowledge base that retains as much as possible of the knowledge bases to integrate. The rationale behind this approach is the minimal change principle: the result of the integration process should differ as less as possible from the knowledge bases to integrate. We show that this principle can be reformulated in terms of a more general model of belief revision, based on the assumption that inconsistency is due to the mistakes the knowledge bases contain. Current belief revision strategies are based on a specific kind of mistakes, which however does not include all possible ones. Some alternative possibilities are discussed.

研究の動機と目的

• 現在の信念修正の意味論が『最小変化』の原則にのみ依存するという制限を特定すること。
• 直接値の変更を超えた、知識獲得誤りのより一般的なモデルを形式化すること。
• 既存の統合意味論がこの広範な誤りモデルの特殊ケースであることを示すこと。
• 従来の最小変化アプローチが、誤って識別された実体や名前衝突を含む状況では失敗することを示すこと。
• 知識ベースが局所的に正しいが、異なる指し示す対象のために不整合であるような状況に適用可能な、新しい統合意味論の基盤を築くこと。

提案手法

• 知識ベースが局所的に正しいものと仮定し、不整合はグローバルな不整合ではなく、知識獲得の誤りに起因するとするモデルを導入する。
• 誤りをタイプに分類し、直接値の変更や名前衝突（例：異なる個体に同じ名前が割り当てられる）を含め、それらが統合に与える影響を形式化する。
• 内部の一貫性を損なわずに知識ベース内の誤りを是正する統合メカニズムを提案し、参照の曖昧さを解消することに焦点を当てる。
• 命題論理を用いて、異なる誤り仮定下での統合を形式化し、変数の再名前付けや置換を用いて衝突を解消することに注力する。
• 還元技術を用いて計算の困難性を証明し、新しい意味論が Π²ᵖ に属することを示し、標準の修正演算子と同程度の複雑さであることを示す。
• 従来の信念修正意味論（例：Dalalのもの）が、直接値の誤りを仮定する場合に、このモデルの特殊ケースであることを示す。

実験結果

リサーチクエスチョン

• RQ1 信念修正の意味論を、誤りが直接値の変更に限定されるという仮定を超えて一般化するにはどうすればよいか？
• RQ2 参照の曖昧さが原因で、最小変化の原則が誤った統合結果をもたらす状況はどのようなものか？
• RQ3 統一された知識獲得誤りモデルが、直接値の誤りと名前衝突の誤りの両方を扱えるか？
• RQ4 局所的に正しい知識ベースを仮定するという前提が、統合演算子の設計にどのように影響するか？
• RQ5 この一般化された誤りモデル下での統合の計算複雑性特性は何か？

主な発見

• 最小変化の原則は普遍的に有効ではない。誤りが直接値の変更に限定されるという制限的な仮定の下でのみ成立する。
• 誤って識別された個体（例：異なる2人のジョージ）を含む状況では、最小変化統合は正しい局所的知識を保持できず、誤った結論を導く。
• 提案されたモデルは、両方のエージェントの知識ベースが局所的に正しいことを正しく特定し、参照対象を区別することで両方を保存するべきであると示しており、単一の不整合なモデルへの最小変化に依存するのではなく、参照の明確化を重視する。
• 誤りが直接値の変更ではなく、参照的または名前に関する誤りである場合には、最小変化ではなく誤り是正に基づく統合が、より正確な結果をもたらすことを示している。
• 提案された統合意味論の計算複雑性は Π²ᵖ-完全であることが示され、標準の信念修正演算子と同等の難易度であるが、著しく複雑ではない。
• このフレームワークは、変数の再名前付けや定数の誤識別といった誤りタイプを許容することで、既存の意味論を一般化しており、ソフトウェア統合や知識ベース統合において一般的に見られる誤りを扱える。