[논문 리뷰] On Granular Knowledge Structures

Yi Zeng, Ning Zhong|ArXiv.org|2008. 10. 26.

Rough Sets and Fuzzy Logic참고 문헌 18인용 수 13

한 줄 요약

이 논문은 다중 수준의 해상도와 다양한 시각을 고려한 지식 조직을 위한 프레임워크로 입자형 지식 구조(GKS)를 소개한다. 집합론적, 논리적, 시각적 표현 방식을 사용한다. 콫퍼런스 논문 사례 연구를 통해 GKS는 다중 수준, 다중 시각 분석을 가능하게 하여 지식 소스에 대한 이해를 향상시키며, 인공지능과 디지털 도서관에서의 지식 표현 및 추론을 위한 체계적인 접근법을 제공한다.

ABSTRACT

Knowledge plays a central role in human and artificial intelligence. One of the key characteristics of knowledge is its structured organization. Knowledge can be and should be presented in multiple levels and multiple views to meet people's needs in different levels of granularities and from different perspectives. In this paper, we stand on the view point of granular computing and provide our understanding on multi-level and multi-view of knowledge through granular knowledge structures (GKS). Representation of granular knowledge structures, operations for building granular knowledge structures and how to use them are investigated. As an illustration, we provide some examples through results from an analysis of proceeding papers. Results show that granular knowledge structures could help users get better understanding of the knowledge source from set theoretical, logical and visual point of views. One may consider using them to meet specific needs or solve certain kinds of problems.

연구 동기 및 목표

• 다양한 해상도 수준과 다양한 시각을 고려한 지식 표현을 위한 체계적인 접근법을 개발하기 위해.
• 인공지능과 디지털 도서관에서 입자형 지식 구조(GKS)를 구성하고 활용하는 방법을 탐구하기 위해.
• 다중 시각 분석을 통해 복잡한 지식 소스에 대한 이해도 향상에 GKS의 유용성을 입증하기 위해.
• 추론과 시각화를 지원하는 지식 표현을 위한 형식적 프레임워크를 제공하기 위해.
• 사람의 인지적 선호도인 해상도 다양성과 시각 다양성 반영 방식으로 지식을 조직하는 과제를 해결하기 위해.

제안 방법

• 논문은 집합론, 논리학, 시각적 표현을 기반으로 한 형식적 모델인 입자형 지식 구조(GKS)를 제안한다.
• 다양한 해상도 수준에서 지식 단위의 집합화 및 분해를 위한 연산을 정의한다.
• 지식 구조 내의 관계와 의존성 표현을 위해 논리적 형식 체계를 통합한다.
• 사람이 읽을 수 있는 형식으로 GKS를 시각화하여 인지 처리를 보조한다.
• 실제 콕퍼런스 논문 데이터를 활용하여 실용적 유용성을 입증하기 위해 프레임워크를 적용한다.
• 지식의 계층적 및 비계층적 해상도 조직을 모두 지원한다.

실험 결과

연구 질문

• RQ1 지식은 어떻게 다중 수준의 해상도에 걸쳐 체계적으로 구조화될 수 있는가?
• RQ2 입자형 지식 구조를 구축하고 조작하기 위해 필요한 형식적 연산은 무엇인가?
• RQ3 다중 시각 표현(집합론적, 논리적, 시각적)은 지식 소스에 대한 이해도를 어떻게 향상시키는가?
• RQ4 GKS는 인공지능과 디지털 도서관에서 지식 탐색과 추론을 어떻게 향상시킬 수 있는가?
• RQ5 실제 지식 소스(예: 콕퍼런스 논문) 분석에 GKS를 사용할 때 실용적 이점은 무엇인가?

주요 결과

• 입자형 지식 구조는 지식의 다중 수준 및 다중 시각적 표현을 가능하게 하여 해석 가능성과 인지적 접근성 향상에 기여한다.
• 집합론적, 논리적, 시각적 시각의 통합은 지식 분석을 위한 종합적인 프레임워크를 제공한다.
• 콕퍼런스 논문에 대한 사례 연구는 GKS가 사용자가 복잡한 지식 소스를 탐색하고 이해하는 데 능력을 향상시킨다는 것을 입증한다.
• 정의된 연산을 통해 지식 구조의 동적 구성과 조작을 지원한다.
• 결과는 GKS가 지식 집약적 응용 프로그램에서 특정 사용자 요구를 효과적으로 충족시키는 데 사용될 수 있음을 시사한다.
• 지식 중심의 조직이 필요한 인공지능 시스템과 디지털 도서관에서의 응용 잠재력이 있음을 보여준다.