[論文レビュー] Integrating Case-Based and Rule-Based Reasoning: the Possibilistic Connection

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

AI-based Problem Solving and Planning参考文献 17被引用数 30

ひとこと要約

本論文は、可能性論理を用いて、ケースベース推論（CBR）とルールベース推論（RBR）をシームレスに統合する手法を提案する。CBRにおける類似度を距離の補完として活用し、RBRにおける類似度の推移的性質を活用する。このアプローチは、既存のRBR推論エンジンをそのままで保ちつつ、複雑な分野におけるコンactで統一的な推論を可能にする。金融M&Aプロトタイプシステム（MARS）において、不確実性の扱いや近似推論の改善が確認された。

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.

研究の動機と目的

• 複雑で不確実性のある現実世界の問題解決において、独立したCBRとRBRの限界を解消すること。
• 既存のルールベースシステムの推論エンジンを保ちつつ、ケースベース類似度を統合する統一的推論フレームワークを構築すること。
• 可能性論理を用いて、CBRの類似度に基づく検索とRBRの一般化されたモーダス・ポネンスの間の関係を形式化すること。
• 統合手法の実用的妥当性と有効性を、合併・買収という実際の金融分野で示すこと。
• プロトタイプシステムMARSにおいて、このアプローチを実装・評価し、不確実性下での推論の改善を示すこと。

提案手法

• CBRとRBRの両方における不確実性を可能性論理でモデル化し、共通の形式的基盤を提供する。
• ケースの類似度を距離の補完として表現し、可能性分布の枠組みに統合する。
• RBRにおける類似度の推移的性質を一般化されたモーダス・ポネンスを用いて適用し、CBRの類似度論理と整合させる。
• CBRの検索結果を、RBR推論規則と互換性のある可能性分布にマッピングする。
• 変更なしに既存のRBR推論エンジンを再利用し、後方互換性を確保する。
• MARSとして、金融M&A意思決定支援のためのプロトタイプとして、統合システムを実装する。

実験結果

リサーチクエスチョン

• RQ1 ケースベース推論とルールベース推論を、共通の不確実性管理フレームワークの下で形式的に統一することは可能か？
• RQ2 可能性論理を用いて、RBRにおける類似度の推移的性質とCBRにおける距離に基づく類似度を一致させることは可能か？
• RQ3 下位のRBR推論エンジンを変更せずに、CBRをRBRに統合することは可能か？
• RQ4 統合システムは、現実世界の分野における不確実性と近似推論の処理において、どのように機能するか？
• RQ5 合併・買収のような複雑な意思決定シナリオにおいて、この統合の実用的利点は何か？

主な発見

• RBR推論エンジンを変更せずに、CBRとRBRの統合が達成され、システムの互換性が保たれた。
• 可能性論理は、CBRの類似度とRBRの近似推論を統合する自然な枠組みを提供する。
• 両方の類似度とルールベース推論を可能性分布でモデル化することで、コンパクトでシームレスな推論が可能になった。
• プロトタイプシステムMARSは、合併・買収という金融分野において、統合手法を効果的に適用した。
• 歴史的ケースパターンとルールベース一般化を組み合わせることで、不確実性下での推論が強化された。