[논문 리뷰] Hybrid technique for effective knowledge representation a a comparative study

Poonam Tanwar, T. V. Prasad외 1명|arXiv (Cornell University)|2012. 09. 18.

AI-based Problem Solving and Planning참고 문헌 11인용 수 4

한 줄 요약

이 논문은 사건 기반 지식과 비사건 기반 지식을 모두 표현하는 데에 한계가 있는 점을 보완하기 위해 의미 네트워크와 스크립트를 융합한 하이브리드 지식 표현 기법을 제안한다. 스크립트를 통해 표준적인 사건 순서를 모델링하고 의미 네트워크를 통해 관계적 사실을 표현함으로써, 추론, 빈자리 메꾸기, 표현 완전성 측면에서 향상되며, 모호하거나 불완전한 입력을 다룰 때 기존의 하이브리드 모델보다 뛰어난 성능을 발휘한다.

ABSTRACT

Knowledge representation (KR) and inference mechanism are most desirable thing to make the system intelligent. System is known to an intelligent if its intelligence is equivalent to the intelligence of human being for a particular domain or general. Because of incomplete ambiguous and uncertain information the task of making intelligent system is very difficult. The objective of this paper is to present the hybrid KR technique for making the system effective & Optimistic. The requirement for (effective & optimistic) is because the system must be able to reply the answer with a confidence of some factor. This paper also presents the comparison between various hybrid KR techniques with the proposed one.

연구 동기 및 목표

• 사건 기반 지식과 비사건 기반 지식을 동시에 다루는 데에 한계가 있는 단일 지식 표현 기법의 문제점을 해결하기 위해.
• 의미 네트워크와 스크립트의 장점을 융합하여 보다 효과적이고 낙관적인 지식 표현이 가능한 하이브리드 모델을 개발하기 위해.
• 불완전하거나 모호한 자연어 입력에서의 빈자리 메꾸기를 통해 추론에 대한 시스템의 자신감을 높이기 위해.
• 구조적 지식과 절차적 지식을 모두 포함하는 복잡한 현실 세계 시나리오를 포괄적으로 표현할 수 있는 프레임워크를 제공하기 위해.

제안 방법

• 노드와 방향성 링크를 사용하여 객체, 클래스 및 그들의 관계를 표현하기 위해 의미 네트워크를 통합한다.
• 정의된 역할, 장면, 진입/종료 조건, 행동을 갖춘 스크립트를 사용하여 표준적인 사건 순서를 모델링한다.
• 스크립트 역할과 의미 네트워크의 클래스/객체 간 双방향 연결을 구축하여 사건 기반 지식과 사실 기반 지식을 통합한다.
• 시스템 통합을 위해 K-Box, 지식 기반, 쿼리 적용기, 추론 엔진, 사용자 인터페이스를 포함하는 다섯 단계 아키텍처를 구현한다.
• 실제 이야기(예: 람 나바미)에 하이브리드 모델을 적용하여 지식 추출 및 추론을 시연한다.
• 지식 추론 및 의사결정을 지원하기 위해 인지론적, 논리적, 히우리스틱적 3층 구조 모델을 사용한다.

실험 결과

연구 질문

• RQ1 어떻게 하이브리드 지식 표현 기법이 사건 기반 지식과 사실 기반 지식을 효과적으로 융합할 수 있는가?
• RQ2 의미 네트워크와 스크립트의 통합은 불완전하거나 모호한 입력에서 추론과 빈자리 메꾸기에 어떻게 기여하는가?
• RQ3 기존의 하이브리드 지식 표현 기법과 비교할 때, 제안된 하이브리드 모델은 표현력과 효율성 측면에서 어떤가?
• RQ4 통합 프레임워크 내에서 사건 순서에 대해 스크립트를, 관계적 사실에 대해 의미 네트워크를 사용할 때의 구조적 및 기능적 이점은 무엇인가?

주요 결과

• 하이브리드 모델은 종교 축제와 같은 복잡한 현실 세계 내역을 사건 순서(스크립트)와 사실적 관계(의미 네트워크)를 융합하여 성공적으로 표현한다.
• 통합된 구조 덕분에 스크립트 기반 기대치를 활용해 누락된 사건을 예측함으로써 불완전하거나 모호한 입력을 더 잘 다룰 수 있다.
• 스크립트의 표준 패턴과 의미 네트워크의 상속 구조를 활용함으로써 검색 공간을 줄이고 추론 성능을 향상시킨다.
• 표현 완전성과 응답에 대한 자신감 측면에서 기존의 하이브리드 모델보다 제안된 기법이 뛰어나다.
• 절차적(스크립트) 지식과 선언적(의미 네트워크) 지식을 융합함으로써, 질의에 자신감 있게 답변할 수 있는 능력이 향상된다.
• 의미 네트워크의 직관적인 구조 덕분에 비기술자 사용자에게도 친근한 지식 추출을 지원하는 아키텍처를 제공한다.