学習理論を利用したテキスト情報からの知識護得に関する研究

基于学习理论的文本信息知识获取研究

基本信息

批准号：
04229212
负责人：
上原邦昭
金额：
$ 1.28万
依托单位：
Kobe University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
1992
资助国家：
日本
起止时间：
1992 至无数据
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-04229212/
关键词：
概念形成機械学習理論修正帰納的学習発想推論

项目摘要

概念形成、知識獲得などの知的創造機能を実現するためには、高度な学習メカニズムの開発が必要である。たとえば、新たな概念の護得には、以下のような段階的な学習メカニズムが必要である。まず、与えられた観測事例から、帰納的学習によって「種」となる初期の領域理論を形成する。これを理論形成と呼ぶ。つぎに、新たな事例が与えられるたびに、初期の領域理論を修正・管理しながら、領域理論を洗練化する。これを理論修正と呼ぶ。上記のステップを繰り返して、最終的に新たな概念を十分かつ完全に説明する領域理論が獲得される。本研究課題では、以上のような考え方に基づいて、以下のテーマの重点を研究を行なった。1)過去の事例集合から得られる統計的な特徴から、事例の属するカテゴリー概念を形成し、未学習の事例が与えられると、概念との距離(連想度と呼ぶ)をもとにして、適切な概念に分類する概念学習アルゴリズムを開発した本アルゴリズムをQuinlanのID3などと比較した結果、同等あるいはそれ以上の分類精度が得られることがわかった。現在は、本アルゴリズムの実数値データへの拡張、学習結果からのプロクションルームの抽出などを検討している。2)領域理論が不完全な場合には、それを補うための仮説を生成し、学習しようとする概念の説明を完成しなければならない。本研究では、生成された複数の仮説集合から一貫性(coherence)を考慮して最適な仮説を選択するシステムを開発した。3)事例ベース推論(case-basedreasoning)のアプローチを採用し、過去の理論修正で用いられた手法を事例として記憶しながら学習を行ない、新たに領域理論を修正する際には、過去の事例の修正法を利用するシステムを開発した。

为了实现智力创造功能，例如概念形成和知识获取，有必要开发先进的学习机制。例如，新的概念保护需要以下步骤 - 步骤学习机制。首先，从给定的观察实例来看，形成了归纳学习的早期区域理论。这称为理论形成。接下来，每次提出新案例，土地理论都是固定和管理的，并且区域理论是复杂的。这称为理论校正。重复上述步骤后，最终获得了一个区域理论，以充分和完全解释新概念。在本研究主题中，我们根据上述想法研究了以下主题。 1）基于从过去的情况获得的统计特征，形成与案例所属的类别概念，并根据与概念的距离（称为关联），给出未检查的情况。开发被归类为概念的概念学习算法已与Quinlan ID3等进行了比较，并且发现可以获得相同或更高的分类精度。当前，我们正在考虑将该算法扩展到实际数字数据中，并从学习结果中提取道具室。 2）如果区域理论不完整，则必须弥补它的假设，并且必须完成学习概念的描述。在这项研究中，我们开发了一个系统来选择最佳假设，以考虑多个假设的一致性（相干）。 3）基于案例的推理（基于案例的推理）在采用基础的方法时，在记住过去理论校正中使用的方法并确定新的区域理论时，就开发了过去的系统。修订法。