[논문 리뷰] Extending Term Subsumption systems for Uncertainty Management

John Yen, Piero P. Bonissone|arXiv (Cornell University)|2013. 03. 27.

Semantic Web and Ontologies참고 문헌 7인용 수 7

한 줄 요약

이 논문은 지식 기반에서의 불확실성을 관리하기 위해 용어 포함 체계(TSS)와 근사 추론 모델을 통합하는 통합 아키텍처를 제안한다. 추론의 엄밀한 의미론을 일반화하고 추론의 추론과 근사 추론 간의 双방향 상호작용을 가능하게 함으로써, 불확실성 하에서의 타당한 추론을 지원하며, 확장 가능한 불확실성 인식 지식 표현을 위한 상호보완적인 기반을 형성한다.

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.

연구 동기 및 목표

• 대규모 지식 기반에서 불확실성을 다루기 위해 용어 포함 체계(TSS)와 근사 추론 모델을 통합하는 데 도전하는 것.
• 이전 연구가 확률적 유산에만 초점을 맞추는 데서 비롯된 한계를 극복하여 더 넓은 범위의 불확실성 관리 기능을 제공하는 것.
• 추론의 추론(TSS)과 근사 추론 메커니즘 간의 상호작용을 명시하는 일반적인 아키텍처를 설계하는 것.
• 용어 언어의 의미론을 일반화하여 불확실성 하에서 타당하고 비단조화적인 추론을 가능하게 하는 것.
• TSS와 근사 추론을 유기적으로 통합하여 강력한 지식 표현을 위한 기반을 마련하는 것.

제안 방법

• 추론의 추론(TSS)이 근사 추론기와 잘 정의된 인터페이스를 통해 상호작용하는 하이브리드 아키텍처를 제안한다.
• 엄격한 포함관계를 초월하는 비확실하고 타당한 추론을 허용하는 일반화된 의미론으로 용어 논리 체계를 확장한다.
• 근사 추론에서 발생한 불확실성을 다시 TSS로 전파시켜 일관성과 정교화를 확보하는 메커니즘을 도입한다.
• TSS가 명확한 정의 기반 지식을 처리하고, 근사 추론기가 불확실하고 도전 가능한 지식을 처리하는 계층적 추론 모델을 사용한다.
• 두 추론 구성 요소 간의 충돌하거나 불확실한 추론을 조율하기 위해 믿음 재구성 메커니즘을 활용한다.
• 용어 정의와 불확실성 측정치를 결합하는 형식적 프레임워크를 정의하여, 정보가 불완전하거나 모호한 경우에도 추론을 가능하게 한다.

실험 결과

연구 질문

• RQ1 용어 포함 체계는 표현력이나 효율성을 잃지 않으면서 불확실성 하에서 추론을 지원하도록 어떻게 확장할 수 있는가?
• RQ2 추론의 추론(TSS)과 근사 추론 모델 간에 효과적이고 타이트한 통합을 가능하게 하는 아키텍처 원칙은 무엇인가?
• RQ3 용어 언어의 의미론은 어떻게 일반화되어야 비단조화적이고 타당한 추론을 가능하게 하는가?
• RQ4 명확한 정의와 불확실한 증거를 결합할 때 일관성과 통일성을 유지하기 위한 메커니즘은 무엇인가?
• RQ5 TSS와 근사 추론 구성 요소 간의 인터페이스를 통해 불확실성이 어떻게 전파되고 관리될 수 있는가?

주요 결과

• 제안된 아키텍처는 추론의 추론(TSS)과 근사 추론기 사이의 이중 방향 통신을 가능하게 하여 추론의 강건성을 향상시킨다.
• 일반화된 용어 의미론은 지식이 불완전하거나 불확실한 경우에도 타당한 추론을 가능하게 한다.
• 통합은 비단조화적 추론을 지원하며, 새로운 불확실한 증거가 들어올 경우 결론을 철회하거나 수정할 수 있다.
• TSS의 표현력을 유지하면서도 원칙적인 방식으로 불확실성을 다룰 수 있도록 확장된다.
• 정의 기반 지식과 현실 세계의 불확실한 데이터를 결합한 확장 가능한 지식 기반의 기초를 제공한다.
• 정의 기반의 정밀한 추론과 불확실성 인식 추론이 요구되는 전문가 시스템에서의 실용적 구현을 가능하게 한다.