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：
03245212
负责人：
上原邦昭
金额：
$ 1.6万
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：
1991
资助国家：
日本
起止时间：
1991 至无数据
项目状态：
已结题

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、テキスト情報から知識獲得を行なう高次自然言語理解システムを開発する場合には、テキストを解析するにつれて漸増的に領域知識を獲得するメカニズムが必要になる。また、現実世界を対象とする領域は不完全かつ不正確なweakーtheory domainであるために、新たな知識を獲得するたびに領域知識を半自律的に修正・管理するメカニズムが必要になる。以上のような考え方に基づいて、本研究課題では、学習理論に基づくテキスト情報がらの知識獲得に関する研究を行なっている。本年度は以下のテ-マに重点を置いて研究を行なった。(1)不完全な知識を補完するために、説明に基づく学習(EBL)と類推推論を融合した学習メカニズムを開発した。本メカニズムの特徴として、記憶された過去の事例のうち、類似した修正案を一般化することによって、FalkenhainerやRajamoneyらが提案した一般化ル-ルと同等なル-ル集合を構築することができることが挙げられる。(2)不正確な知識を同定・削除するために、EBLと類似性に基づく学習を融合した学習メカニズムを開発した。本メカニズムは、本質的にFlannとDietterichのIOEと同等であるが、IOEが正の例のみを用いているのに対し、本メカニズムでは正の例と負の例を共に用いている。(3)事例ら基づく学習とEBLを利用した知識獲得支援システムを開発した。本システムでは、まず事例に含まれる属性から想起されるカテゴリ-に入力事例を分類する。もし分類が失敗するとインタビュ-メカニズムが起動され、入力事例に対してEBLを利用したインタビュ-が行なわれ、新規のカテゴリ-に属する代表的な属性集合、およびカテゴリ-と各属性との間に内在する因果関係が範例として獲得される。

为了实现智力创造功能，例如概念形成和知识获取，必须采取高级学习机制。例如，当需要从文本信息中获取知识的高阶自然语言理解系统时，需要在分析文本时越来越多地获取域知识的机制。此外，由于针对现实世界的领域是不完整的，并且不准确的弱理论领域，因此每当获取新知识时，都需要一种机制来半自治修改和管理域知识。基于上述概念，该研究主题正在研究基于学习理论的文本信息知识的研究。今年，我们专注于以下主题：（1）为了补充不完整的知识，我们开发了一种学习机制，将基于解释的学习（EBL）和类似推论结合在一起。该机制的一个特征是，通过概括过去存储的案例的类似修订，可以构建一套与Falkenhainer，Rajamoney和其他人提出的概括相同的规则。（2）为了识别和删除不准确的知识，我们开发了一种结合EBL和基于相似性学习的学习机制。这种机制本质上等同于弗兰恩和迪特里奇的IOE，但是IOE仅使用积极的例子，而该机制同时使用了正面和负面实例。（3）我们开发了一种使用基于病例的学习和EBL的知识获取支持系统。在此系统中，首先将输入案例分为类别，这些类别是从案例中所包含的属性中召回的。如果分类失败，则将调用采访机制，并使用EBL采访输入案例，以及属于新类别的代表性属性集，以及类别和每个属性之间的固有因果关系作为示例。