[논문 리뷰] Integrating Case-Based and Rule-Based Reasoning: the Possibilistic Connection

Soumitra Dutta, Piero P. Bonissone|arXiv (Cornell University)|2013. 03. 27.

AI-based Problem Solving and Planning참고 문헌 17인용 수 30

한 줄 요약

이 논문은 가능성 논리학을 활용하여 사례 기반 추론(CBR)과 규칙 기반 추론(RBR)을 원활하게 통합하는 방법을 제안한다. CBR에서는 거리의 보완으로 유사도를 활용하고, RBR에서는 유사도의 추이성을 적용한다. 이 접근법은 기존의 RBR 추론 엔진을 그대로 유지하면서도 복잡한 도메인에서 간결하고 통합된 추론을 가능하게 하며, 금융 합병 및 인수(M&A) 프로토타입 시스템(MARS)을 통해 불확실성 처리 및 근사 추론 능력 향상을 입증한다.

ABSTRACT

Rule based reasoning (RBR) and case based reasoning (CBR) have emerged as two important and complementary reasoning methodologies in artificial intelligence (Al). For problem solving in complex, real world situations, it is useful to integrate RBR and CBR. This paper presents an approach to achieve a compact and seamless integration of RBR and CBR within the base architecture of rules. The paper focuses on the possibilistic nature of the approximate reasoning methodology common to both CBR and RBR. In CBR, the concept of similarity is casted as the complement of the distance between cases. In RBR the transitivity of similarity is the basis for the approximate deductions based on the generalized modus ponens. It is shown that the integration of CBR and RBR is possible without altering the inference engine of RBR. This integration is illustrated in the financial domain of mergers and acquisitions. These ideas have been implemented in a prototype system called MARS.

연구 동기 및 목표

• 복잡하고 불확실한 실제 문제 해결에서 고립된 CBR와 RBR의 한계를 해결하기 위해.
• 기존 규칙 기반 시스템의 추론 엔진을 유지하면서 사례 기반 유사도를 통합하는 통합 추론 프레임워크를 개발하기 위해.
• 가능성 논리학을 사용하여 CBR의 유사도 기반 검색과 RBR의 일반화된 모드 펜스 간의 관계를 체계화하기 위해.
• 실제 금융 도메인인 합병 및 인수에서 통합의 실현 가능성과 효과성을 입증하기 위해.
• 프로토타입 시스템 MARS에서 이론을 구현하고 평가하여 불확실성 하에서의 추론 능력을 향상시키기 위해.

제안 방법

• CBR와 RBR에서의 불확실성을 가능성 논리학으로 모델링하여 공통의 형식적 기반을 제공한다.
• 사례 유사도를 거리의 보완으로 표현하고, 가능도 분포 프레임워크에 통합한다.
• 일반화된 모드 펜스를 통해 RBR에서의 유사도 추이성을 적용하여 CBR의 유사도 논리와 일치시킨다.
• CBR 검색 결과를 RBR 추론 규칙과 호환되는 가능도 분포로 매핑한다.
• 기존의 RBR 추론 엔진을 수정 없이 재사용하여 후행 호환성을 확보한다.
• MARS라는 금융 M&A 의사결정 지원을 위한 프로토타입으로 통합 시스템을 구현한다.

실험 결과

연구 질문

• RQ1 사례 기반 추론과 규칙 기반 추론을 공통의 불확실성 관리 프레임워크 아래에서 형식적으로 통합할 수 있는가?
• RQ2 가능성 논리학을 사용하여 RBR의 유사도 추이성과 CBR의 거리 기반 유사도를 일치시킬 수 있는가?
• RQ3 기본 RBR 추론 엔진을 수정하지 않고도 CBR를 RBR에 통합할 수 있는가?
• RQ4 실제 세계 도메인에서 불확실성과 근사 추론을 다루는 데에 통합 시스템의 성능은 어떠한가?
• RQ5 합병 및 인수와 같은 복잡한 의사결정 상황에서 이 통합의 실용적 이점은 무엇인가?

주요 결과

• RBR 추론 엔진을 수정하지 않고도 CBR와 RBR의 통합이 가능하여 시스템 호환성이 유지된다.
• 가능성 논리학은 CBR의 유사도와 RBR의 근사 추론을 통합하는 데 자연스러운 프레임워크를 제공한다.
• 가능도 분포를 사용하여 사례 유사도와 규칙 기반 추론을 모두 모델링함으로써 간결하고 원활한 추론이 가능해진다.
• 프로토타입 시스템 MARS는 금융 도메인인 합병 및 인수에서 통합 방법을 성공적으로 적용한다.
• 이론적 프레임워크는 이전 사례 패턴과 규칙 기반 일반화를 결합함으로써 불확실성 하에서의 추론 능력을 향상시킨다.