[논문 리뷰] Implementing Integrity Constraints in an Existing Belief Revision System

Frances L. Johnson, Stuart C. Shapiro|ArXiv.org|2000. 03. 08.

Logic, Reasoning, and Knowledge참고 문헌 16인용 수 5

한 줄 요약

이 논문은 SNePS의 SNeBR 신념 수정 서브시스템에 대한 확장 기법을 제시하며, 추론 닫힘 상태가 보장되지 않는 비추론 닫힘 신념 공간을 고려하면서도, 통합 제약 조건을 적용하여 신념 모순을 자동으로 해결할 수 있도록 한다. 이는 신뢰성, 공통성, 지지 빈도를 기반으로 한 가중치 기반 결정 메커니즘을 도입하여 손실을 최소화하는 신념 제거 전략을 제공함으로써, 완전한 추론 닫힘을 요구하지 않는 동적이고 실제 세계 기반 지식 기반에서 모순을 성공적으로 해결한다.

ABSTRACT

SNePS is a mature knowledge representation, reasoning, and acting system that has long contained a belief revision subsystem, called SNeBR. SNeBR is triggered when an explicit contradiction is introduced into the SNePS belief space, either because of a user's new assertion, or because of a user's query. SNeBR then makes the user decide what belief to remove from the belief space in order to restore consistency, although it provides information to help the user in making that decision. We have recently added automatic belief revision to SNeBR, by which, under certain circumstances, SNeBR decides by itself which belief to remove, and then informs the user of the decision and its consequences. We have used the well-known belief revision integrity constraints as a guide in designing automatic belief revision, taking into account, however, that SNePS's belief space is not deductively closed, and that it would be infeasible to form the deductive closure in order to decide what belief to remove. This paper briefly describes SNeBR both before and after this revision, discusses how we adapted the integrity constraints for this purpose, and gives an example of the new SNeBR in action.

연구 동기 및 목표

• 완전한 추론 닫힘이 비현실적인 실제 세계 기반 비추론 닫힘 지식 기반에서 신념 수정을 구현하는 데 도전하는 것.
• 이론적 통합 제약 조건—일관성, 포함성, 최소 정보 손실, 최소 변화—을 실용적이고 유한한 신념 체계에 적용하기 위해 적응시키는 것.
• 불일치 해결 과정에서 영향을 최소화하는 신념 제거 대상 선택을 위한 자동 신념 수정(autoBR) 메커니즘을 설계하고 구현하는 것.
• 신뢰성과 문장 지지 빈도를 신념 수정 결정 과정에 통합하여 정확성과 신뢰성을 향상시키는 것.
• 기존에 단조성 관련 논리를 사용하는 시스템에서 새로운 진술이 이전에 보유한 신념을 철회할 수 있도록 허용함으로써 비단조성 행동을 가능하게 하는 것.

제안 방법

• 추론 닫힘 상태가 보장되지 않는 도메인(비추론 닫힘 신념 공간, DOBS)에 적합하도록 Gärdenfors와 Rott의 네 가지 통합 제약 조건을 적응시켰다.
• 원인 신념 선정을 위한 세 가지 요소의 히ュ리스틱을 구현: (1) 가장 낮은 신뢰성의 가설(소스의 신뢰성 기반), (2) 가장 공통적인 가설(다수의 모순을 지원함), (3) 최소한의 노드를 지지하는 가설(구조적 영향 최소화).
• 신념 업데이트 후 모순를 탐지하기 위해 정방향 추론을 사용하며, 이를 통해 SNeBR의 자동 수정 프로세스가 활성화된다.
• 실시간으로 신념과 소스 신뢰도를 업데이트할 수 있도록, 명시적인 소스 및 신뢰도 메타데이터를 포함한 동적 신념 공간을 유지한다.
• SNePS의 기존 SNeBR 서브시스템에 신념 수정 프로세스를 통합하여 사용자 제어를 유지하면서도 정의된 조건 하에서 자율적 결정을 가능하게 하였다.
• 실제 다수의 소스에서 유래한 진술을 포함한 다중 소스, 비일관성 있는 지식 기반을 대상으로 시스템을 평가하였다.

실험 결과

연구 질문

• RQ1 이론적 신념 수정 통합 제약 조건을 실제 세계 기반 비추론 닫힘 신념 체계에 어떻게 적응시킬 수 있는가?
• RQ2 완전한 추론 닫힘이 비현실적인 상황에서 최적의 신념 제거 대상을 선택하기 위해 어떤 히ュ리스틱을 사용할 수 있는가?
• RQ3 신뢰성과 문장 지지 빈도를 자동 신념 수정 과정에 통합하여 결정 품질을 향상시킬 수 있는가?
• RQ4 자동 신념 수정은 기존에 단조성을 유지하는 시스템에 비단조성 행동을 어떻게 도입하는가?
• RQ5 시스템은 동시에 여러 비일관성 집합을 탐지하고 해결할 수 있으며, 만약 가능하다면 효율적으로 제거 우선순위를 정할 수 있는가?

주요 결과

• 시스템은 신념 업데이트 후 파생된 명제(예: SMART(FRAN) 및 ~SMART(FRAN))에서 발생하는 모순를 성공적으로 탐지하여 자동 수정을 유도하였다.
• 첫 번째 모순에서는 WFF12(Females aren’t smart)를 가장 낮은 신뢰성의 가설로 선정하여 제거하였으며, 이는 소스의 신뢰성과 지지 빈도 기반으로 결정되었다.
• 두 번째 모순에서는 새로운 유도 결과가 발생했을 때, 동일한 세 가지 히ュ리스틱 기반으로 WFF10(Jocks aren’t smart)을 제거하여 일관된 의사결정 과정을 보였다.
• 신뢰성, 공통성, 지지 빈도 히ュ리스틱의 사용으로 과도한 제거(예: 두 집합 중 하나만 수축이 필요한 경우 B를 제거하지 않음)를 방지하여 효율성을 향상시켰다.
• 시스템은 비단조성 행동을 달성하였다: 새로운 신념(WFF22)을 추가함으로써 이전에 보유하던 신념(WFF10)을 상실하게 되었으며, 이는 기존 논리 체계가 여전히 단조성을 유지하고 있음에도 불구하고 가능했다.
• 완전한 추론 닫힘을 요구하지 않으면서도 일관성을 유지하고 정보 손실를 최소화하는 실시간 유한 시스템에서 효과적으로 비일관성을 해결하는 데 성공하였다.