学習理論を利用したテキスト情報からの知識獲得に関する研究

基于学习理论的文本信息知识获取研究

基本信息

批准号：
05213211
负责人：
上原邦昭
金额：
$ 1.09万
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：
1993
资助国家：
日本
起止时间：
1993 至无数据
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-05213211/
关键词：
概念形成機械学習理論形成帰納的学習類推

项目摘要

概念形成、理論形成などの知的創造機能を実現するための基礎研究として、本研究課題では以下のテーマに重点を置いて研究を行なった。1 訓練事例集合の典型的な特徴から、平均的なカテゴリーとの距離(連想度と呼ぶ)をもとにして、事例のカテゴリー概念を学習するアルゴリズムPBLを開発した。また、アルゴリズムの平均的な振舞いを理論的に解析する平均的事例解析を導入して、PBLの定量的な特性を解析した。その結果、PBLはQuinlanの開発したID3などとほぼ同等あるいはそれ以上の性能を持つこと、事例の欠落や誤りに強いことなどが判明した。2 類推を用いて与えられた物理現象の理論形成を行うシステムを開発した。本システムは、与えられた物理現象の観測データと類似した過去の物理現象との類比を基にして、物理現象を説明づけるための理論を形成するシステムである。本システムには、部分的な類似性を考慮して、複数のベースとターゲットとの部分的な類比を発見する、複合類推と呼ぶ推論メカニズムを導入している。このため、システムがターゲットと部分的には類似しているが、現象全体としては類似していないソースのみを保持している場合でも、類推を用いた理論形成が可能となっている。3 競合する複数のエージェントが存在するゲームの領域において、過去の問題解決の経験から戦略プランを学習するシステムを開発した。本研究では、ゲームの状態を抽象的に表現するために、基本プランと呼ぶ概念を導入している。本研究では、予めゴール達成までの状態変化が与えられていると仮定して、基本プランの時間的な因果関係に基づいて、ゴール状態から逆に遡ってゲームの各状態を解析することにより、ゴール達成に関係のある必要最小限の基本プランに絞って解析を進めるようにしている。また本システムには、獲得された戦略プランを洗練化するために、失敗の経験を通じて戦略プランの制約条件を学習するメカニズムを導入している。

作为实现智力创造功能（例如概念形成和理论）的基础研究，这项研究集中在以下主题上。从1个训练案例集的典型功能中，我们开发了一种算法PBL，以根据与平均类别的距离（称为关联）来了解案例中类别的概念。此外，引入了理论上分析算法的平均行为以分析PBL的定量特征的平均病例分析。结果，发现PBL的性能几乎是Quinlan开发的ID3，并且对缺失案件和错误具有抵抗力。我们已经开发了一个系统，以使用两种类型的物理现象理论。该系统是一种形成一种理论，可以根据过去的物理现象的比例来解释物理现象，类似于给定物理现象的观察数据。该系统引入了一种称为复杂的比例机制，该机制在考虑部分相似性的情况下发现了多个低音和目标的部分比例。因此，即使系统与目标部分相似，但只有与整个现象不同的来源，也可以使用类比形成理论。 3）已经开发了一个系统来从有多个竞争代理的游戏领域中从过去的解决问题的经验中学习战略计划。在这项研究中，引入了一个名为“基本计划”的概念来抽象游戏的状态。在这项研究中，假设国家根据基本计划的因果关系时间从目标状态分析游戏状态，提前给出了目标实现目标，则进行分析，将重点放在最低限度上与目标实现有关的基本计划。此外，该系统还引入了一种通过失败经验来学习战略计划限制的机制，以使获得的战略计划复杂。