[논문 리뷰] Automated Generation of Cross-Domain Analogies via Evolutionary Computation

Atılım Güneş Baydin, Ramón López de Mántaras외 1명|arXiv (Cornell University)|2012. 04. 11.

Semantic Web and Ontologies인용 수 9

한 줄 요약

이 논문은 메믹 원리와 구조-매핑 이론을 사용하여 의미 네트워크를 진화시키는 새로운 진화 알고리즘을 제안한다. 이 알고리즘은 주어진 기반 도메인에 대해 새로운 도메인을 자동으로 생성하며, ConceptNet과 WordNet을 지식 소스로 사용하여 적합도 기반의 진화를 통해 타당성을 입증한다.

ABSTRACT

Analogy plays an important role in creativity, and is extensively used in science as well as art. In this paper we introduce a technique for the automated generation of cross-domain analogies based on a novel evolutionary algorithm (EA). Unlike existing work in computational analogy-making restricted to creating analogies between two given cases, our approach, for a given case, is capable of creating an analogy along with the novel analogous case itself. Our algorithm is based on the concept of "memes", which are units of culture, or knowledge, undergoing variation and selection under a fitness measure, and represents evolving pieces of knowledge as semantic networks. Using a fitness function based on Gentner's structure mapping theory of analogies, we demonstrate the feasibility of spontaneously generating semantic networks that are analogous to a given base network.

연구 동기 및 목표

• 기존 사례 간의 유사성만을 식별하는 것이 아니라, 개방형으로 새로운 교차 도메인 유사성을 자동으로 생성하는 계산적 방법을 개발하는 것.
• 의미 네트워크를 진화하는 '메믹'으로 간주하여 지식 창출의 문화적 진화를 모델링하는 것.
• Gentner의 구조-매핑 이론에 기반한 적합도 함수를 구현하여 유사한 의미 네트워크의 진화를 이끄는 것.
• 진화 계산이 주어진 기반 도메인에서 의미적으로 의미 있는, 구조적으로 유사한 지식 표현을 생성할 수 있음을 입증하는 것.
• 진화 원리와 일반 지식 기반(commonsense knowledge bases)을 사용하여 원하는 성질을 가진 지식을 생성하는 일반적인 프레임워크를 제공하는 것.

제안 방법

• 이 방법은 개념과 이元 관계로 구성된 방향성 의미 네트워크로 지식을 표현하며, 진화 알고리즘의 진화 개체로 기능한다.
• 공동 지식 기반인 ConceptNet과 WordNet을 활용하여 의미 네트워크에 적합한 메믹 교차 및 변이 연산자를 적용하여 변이를 구현한다.
• Gentner의 구조-매핑 이론에 기반한 적합도 함수는 기반 네트워크와 진화된 네트워크 간의 구조적 정렬 정도를 측정하여 유사성 유사도를 평가한다.
• 토너먼트 선택과 엘리트 기반 선택을 통해 적합도가 높은 개체를 선별한다.
• 세대에 걸쳐 의미 네트워크 집단을 진화시키며, 수렴 상태를 모니터링하기 위해 적합도와 네트워크 크기를 추적한다.
• 초기 네트워크 생성은 최대 개념 수 및 최소 관계 점수 기준을 충족하도록 제약을 두어 의미 있는 변이를 보장한다.

실험 결과

연구 질문

• RQ1 진화 알고리즘이 주어진 기반 도메인에 대해 자율적으로 새로운 구조적으로 유사한 목표 도메인을 생성할 수 있는가?
• RQ2 구조-매핑 이론에 기반한 적합도 함수가 의미적으로 일관된 유사성을 갖는 유사성의 진화를 얼마나 잘 이끌 수 있는가?
• RQ3 의미 네트워크와 공통 지식 기반(ConceptNet, WordNet)의 사용이 의미 있는 유사성 진화를 얼마나 효과적으로 가능하게 하는가?
• RQ4 진화 과정이 인간의 창의적 사고 방식을 반영하는 교차 도메인 매핑을 자발적으로 생성할 수 있는가?
• RQ5 메믹 변이와 선택이 계산 프레임워크 내에서 새로운 비트레이드어포트 유사성을 생성하는 데 어떤 역할을 하는가?

주요 결과

• 두 개의 별개 실험에서 각각 35세대와 42세대 만에 알고리즘이 구조적으로 유사한 의미 네트워크를 성공적으로 생성하였으며, 각각 적합도 값 2.8과 2.7을 달 đạt하였다.
• 진화된 개체는 기반 네트워크보다 복잡도가 감소했으며, 9개와 10개의 개념, 9개의 관계를 포함하여 효과적인 구조적 정렬을 보였다.
• 적합도 값은 세대에 걸쳐 일관되게 증가했으며, 각 세대의 최고 개체는 항상 인구 평균보다 높은 성능를 기록했다.
• 네트워크 크기(관계 수로 측정)는 시간이 지남에 따라 안정화되어 진화 과정의 수렴을 나타냈다.
• 사전에 목표 도메인을 알지 못한 상태에서도 새로운 유사성을 생성할 수 있음을 입증하여, 이 방법이 계산 창의성 분야에서의 타당성을 지녔다.
• ConceptNet과 WordNet의 통합은 의미적 일관성을 향상시키며 의미 있는 변이와 선택을 가능하게 하여 진화된 유사성의 품질을 향상시켰다.