[논문 리뷰] Using the Dempster-Shafer Scheme in a Diagnostic Expert System Shell

Gautam Biswas, Teywansh S. Anand|arXiv (Cornell University)|2013. 03. 27.

AI-based Problem Solving and Planning참고 문헌 3인용 수 4

한 줄 요약

이 논문은 진단 추론에서의 불확실성을 관리하기 위해 규칙 기반 추론과 덴스터-샤퍼 증거 이론을 통합한 전문가 시스템 셸을 제시한다. 믿음 함수를 사용해 가설에 대한 증거적 지지도를 표현하고, 전진 추론과 후행 추론을 병행함으로써 상호작용이 가능한 혼합 주도 진단을 가능하게 하여, 불확실하거나 불완전한 진단 상황에서의 강건성을 크게 향상시킨다.

ABSTRACT

This paper discusses an expert system shell that integrates rule-based reasoning and the Dempster-Shafer evidence combination scheme. Domain knowledge is stored as rules with associated belief functions. The reasoning component uses a combination of forward and backward inferencing mechanisms to allow interaction with users in a mixed-initiative format.

연구 동기 및 목표

• 불확실성 하에서의 진단 추론을 지원하는 전문가 시스템 셸을 개발하는 것.
• 덴스터-샤퍼 이론을 가설에 대한 증거적 믿음의 표현과 조합을 위한 공식적 프레임워크로 통합하는 것.
• 전진 및 후행 추론 메커니즘을 병행하여 상호작용이 가능하고 혼합 주도 진단을 가능하게 하는 것.
• 도메인 전문가가 믿음 함수를 함께 가진 규칙으로 진단 지식을 인코딩할 수 있도록 하는 것.
• 증거가 불완전하거나 모순될 경우에도 진단 시스템의 신뢰성을 향상시키는 것.

제안 방법

• 각 규칙가 증거와 가설을 믿음 정도와 함께 연결하는 믿음 함수를 함께 가진 규칙로 도메인 지식을 표현한다.
• 알려진 증거를 전파하고 중간 믿음 상태를 생성하기 위해 전진 추론을 활용한다.
• 진단 가설을 탐색하고 필요한 증거를 식별하기 위해 후행 추론을 사용한다.
• 다양한 규칙 또는 소스에서 유래한 다수의 믿음 함수를 융합하기 위해 덴스터-샤퍼 조합 규칙을 적용한다.
• 사용자가 추론 중에 증거를 입력하고 가설을 질의할 수 있도록 혼합 주도 상호작용을 지원한다.
• 가설에 대한 믿음, 가능성, 무지(ignorance)를 구분하여 불확실성을 표현하는 믿음 구조를 유지한다.

실험 결과

연구 질문

• RQ1 덴스터-샤퍼 이론은 어떻게 전문가 시스템 셸에 효과적으로 통합되어 진단 응용에 활용될 수 있는가?
• RQ2 전진 및 후행 추론을 병행하는 것이 진단 시스템의 사용성과 정확성에 어떤 영향을 미치는가?
• RQ3 믿음 함수의 사용은 기존의 확률론적 또는 규칙 기반 방법에 비해 불확실성 하에서의 추론을 어떻게 향상시키는가?
• RQ4 증거가 불완전할 경우 혼합 주도 상호작용이 진단 성능을 향상시킬 수 있는가?
• RQ5 표준 베이지안 또는 규칙 기반 접근법에 비해 믿음 함수 사용의 계산적 및 표현적 이점은 무엇인가?

주요 결과

• 덴스터-샤퍼 이론의 통합은 기존의 베이지안 또는 규칙 기반 시스템에 비해 더 정교한 불확실성 표현을 가능하게 한다.
• 혼합 주도 상호작용 모델은 증거가 불완전하거나 모호할 경우에도 사용자가 진단을 효과적으로 이끌 수 있도록 한다.
• 시스템은 덴스터의 조합 규칙을 사용하여 다수의 믿음 함수를 성공적으로 융합하여 일관되고 해석 가능한 진단 결론을 도출한다.
• 믿음 함수의 사용은 무지(증거 부족)와 부정신념을 구분할 수 있게 하여 진단의 강건성을 향상시킨다.
• 이 방법은 특히 증거가 불확실하거나 상충되는 도메인에서 진단 추론 과업에서 실용적인 타당성을 입증한다.
• 시스템의 아키텍처는 확장성을 지원하여 도메인 전문가가 신뢰 수준을 함께 가진 채로 점진적으로 진단 지식을 인코딩할 수 있도록 한다.