[논문 리뷰] Abductive Equivalential Translation and its application to Natural Language Database Interfacing

Manny Rayner|ArXiv.org|1994. 05. 26.

Semantic Web and Ontologies참고 문헌 15인용 수 22

한 줄 요약

이 논문은 자연어 데이터베이스 인터페이스를 목표 지향적 추론 과제로 형식화하는 논리적 프레임워크인 추론적 등가 번역(ABDUCTIVE EQUIVALENTIAL TRANSLATION, AET)을 소개한다. 다양한 功能—질문에 대한 응답, 메타질문 처리, 진술 생성—을 언어 도메인 이론 하에 등가 번역으로 환원함으로써 AET는 폐쇄 세계 가정을 상대화하고 '승객 중 의사가 있는가?' 문제와 같은 과제를 우아하게 해결하는 통합적이고 논리 기반의 접근을 가능하게 한다.

ABSTRACT

The thesis describes a logical formalization of natural-language database interfacing. We assume the existence of a ``natural language engine'' capable of mediating between surface linguistic string and their representations as ``literal'' logical forms: the focus of interest will be the question of relating ``literal'' logical forms to representations in terms of primitives meaningful to the underlying database engine. We begin by describing the nature of the problem, and show how a variety of interface functionalities can be considered as instances of a type of formal inference task which we call ``Abductive Equivalential Translation'' (AET); functionalities which can be reduced to this form include answering questions, responding to commands, reasoning about the completeness of answers, answering meta-questions of type ``Do you know...'', and generating assertions and questions. In each case, a ``linguistic domain theory'' (LDT) $Γ$ and an input formula $F$ are given, and the goal is to construct a formula with certain properties which is equivalent to $F$, given $Γ$ and a set of permitted assumptions. If the LDT is of a certain specified type, whose formulas are either conditional equivalences or Horn-clauses, we show that the AET problem can be reduced to a goal-directed inference method. We present an abstract description of this method, and sketch its realization in Prolog. The relationship between AET and several problems previously discussed in the literature is discussed. In particular, we show how AET can provide a simple and elegant solution to the so-called ``Doctor on Board'' problem, and in effect allows a ``relativization'' of the Closed World Assumption. The ideas in the thesis have all been implemented concretely within the SRI CLARE project, using a real projects and payments database. The LDT for the example database is described in detail, and examples of the types of functionality that can be achieved within the example domain are presented.

연구 동기 및 목표

• 표면적 언어 형태와 데이터베이스 사용 가능한 표현 간의 매핑을 다루며, 자연어 데이터베이스 인터페이스를 논리적 추론 문제로 형식화하는 것.
• 지식 가용성에 대한 맥락 민감한 추론적 추론을 가능하게 하여 폐쇄 세계 가정의 한계를 상대화하는 것.
• 질문에 대한 예/아니요 응답, 진술 생성, 메타질문 처리와 같은 다양한 인터페이스 기능을 하나의 형식적 프레임워크 아래 통합하는 것.
• 실제 데이터베이스를 사용한 Prolog 기반의 실현 가능한 시스템을 개발하여, 이 접근 방식이 전면적 응용에서 실현 가능함을 입증하는 것.
• AET를 지식 확보에 대한 추론으로 확장하여, 에이전트가 감각적 또는 행동 기반 가정을 통해 정보를 '찾아내는' 방식을 모델링하는 것.

제안 방법

• 자연어 데이터베이스 인터페이스 문제를 추론적 등가 번역(AET)으로 형식화하여, 언어 도메인 이론(LDT)과 추론적 가정을 사용해 소스 공식과 등가인 목표 논리 공식을 유도하는 것.
• LDT를 조건부 등가 공식과 홉클라즈의 집합으로 표현하여, 가정 하에 논리적 등가성을 유지하는 목표 지향적 추론 절차를 가능하게 하는 것.
• 양방향 번역 과정을 사용: 데이터베이스 → 언어 방향은 표준화된 데이터베이스 형식 덕분에 결정적이고, 반대로는 비결정적임. AET는 후행 방향에서 후보 언어 형태를 생성하는 데 사용됨.
• 부족한 지식과 '당신은 알고 있나요...?'와 같은 메타질문을 처리하기 위해 등가성을 유효하게 만들 수 있는 가정을 생성하기 위해 추론적 추론을 적용하는 것.
• SRI CLARE 프로젝트 내에서 Prolog로 시스템을 구현하고, 실제 프로젝트 및 지급 데이터베이스를 사용하여 접근 방식을 검증하는 것.
• 실행 가능한 동작(예: '번호를 찾아보기')을 조건으로 가정할 수 있도록 AET를 확장하여, 정보가 어떤 행동 이후에 확보되는지에 대한 추론을 가능하게 하는 것.

실험 결과

연구 질문

• RQ1 질문 응답, 명령어 발행, 진술 생성 등 다양한 자연어 데이터베이스 인터페이스 기능을 하나의 논리적 프레임워크로 통합할 수 있는가?
• RQ2 폐쇄 세계 가정을 어떻게 상대화할 수 있을까? 이는 '모르는 것'과 '당신은 알고 있나요...?'와 같은 메타질문에 대해 일관된 추론을 가능하게 해야 한다.
• RQ3 추론적 추론을 사용해 의미적으로 정확하고 언어적으로 실현 가능한 등가 논리 공식을 어떻게 생성할 수 있는가?
• RQ4 언어 도메인 이론(LDT)이 자연어와 데이터베이스 논리 간의 효과적이고 맥락 민감한 번역을 가능하게 하는 데 어떤 역할을 하는가?
• RQ5 AET는 '전화번호를 찾아보기'와 같은 행동을 통해 지식을 획득하는 과정을 모델링하는 데 확장될 수 있는가?

주요 결과

• AET는 예/아니요 질문, WH-질문, 명령어, 메타질문, 진술 생성 등 여러 인터페이스 기능을 하나의 추론 과제로 환원하는 통합적 형식을 제공한다.
• 이 프레임워크는 '승객 중 의사가 있는가?' 문제를 성공적으로 해결하여, 정보 부재를 거짓으로 간주하지 않고도 추론할 수 있도록 하여 폐쇄 세계 가정을 상대화한다.
• 데이터베이스에서 자연어로의 번역 과정은 데이터베이스 표현이 표준화되어 있기 때문에 결정적이며, 반대로는 비결정적이어서 언어적 유일성의 부재를 반영한다.
• 시스템은 SRI CLARE 프로젝트 내에서 Prolog로 성공적으로 구현되었으며, 실제 프로젝트 및 지급 데이터베이스를 사용하여 검증되었고, 이름, 속성, 식별자 등을 기술한 상세한 LDT가 제공되었다.
• AET는 '번호를 찾아보기'와 같은 행동을 가정 조건으로 간주함으로써 지식 확보에 대한 추론을 가능하게 하여, 그러한 행동 이후 지식이 확보됨을 유도할 수 있다.
• 이 접근 방식은 번역과 지식 확보 모두에 목표 지향적 추론을 지원하며, 인공지능의 계획 수립과 추론적 추론과 자연스럽게 통합된다.