지식전이와 지식방해 기법을 이용한 효율적 연역 추론 = Efficient Deductive Reasoning using Knowledge Migration and Shadowing

국문 초록 (Abstract)

일반적 지식 (general knowledge)은 다양한 영역 (domain)에 폭넓게 적용될 수 있지만 특정 도메인에 적용될 때는 속도가 느리다. 이에 비해 특정 지식(specific knowledge)은 지정된 도메인에 빠르게 적용될 수 있지만 다른 도메인에 확장 적용되지 못한다. 이러한 특성을 바탕으로 본 논문에서는 추론 중에 일반적 지식으로부터 특정 지식을 자동적으로 생성해 내는 지식 전이 (knowledge migration) 기법을 제시한다. 이 기법은 nested 규칙 표현에 의존하는데 이 표현에는 규칙을 만드는 개발자가 가장 효용성이 높다고 판단하는 규칙의 특성화에 관한 정보가 들어 있다. 이 기법에 의해 생성된 특정 지식과 일반적 지식이 공존한다면 두 지식을 모두 이용하려고 하거나 일반적 지식을 먼저 적용시킬 수 있으므로 시스템의 성능이 떨어질 수 있다. 하지만 일반적 지식이 느리다고 해서 제거한다면 다른 도메인에 관한 문제를 풀 수 있는 융통성이 없어진다. 본 논문에서는 다양한 도메인에 적용되는 융통성을 유지하면서 특정 도메인에는 특정 지식만을 적용하여 추론의 속도를 높일 수 있도록 하기 위한 지식 방해 (knowledge shadowing) 기법도 제시한다. 지식 방해는 특정 도메인상에서 일반적 지식은 추론에서 제외시키고 특정 지식만을 적용시킴으로써 효율 향상을 도모한다. 지식 전이와 지식 방해 기법을 함께 적용시킴으로써 연역 추론 시스템이 경험을 쌓고 이를 유용하게 이용할 수 있는 근간을 제공한다. 이 기법들은 의미망 (semantic network)에 기반한 추론 시스템에서 구현되었으며 그 장점을 보여주기 위한 시험 결과가 제시되었다.

다국어 초록 (Multilingual Abstract)

General knowledge is widely applicable, but relatively slow to apply to any particular situation. Specific knowledge can be used rapidly where it applies, but is only narrowly applicable. We present an automatic scheme to migrate general knowledge to specific knowledge during reasoning. This scheme relies on a nested rule representation which retains the rule builder's intentions about which of the possible specializations of the rule will be most useful. If both general and specific knowledge are available and applicable, a system may be slowed down by trying to use the general knowledge as well as, or instead of, the specific knowledge. However, if general knowledge is purged from the system after migration, the system will lose the flexibility of being able to handle different situations. To retain the flexibility without paying the price in speed, a shadowing scheme is presented that prevents general knowledge from being used when specific knowledge migrated from it is available and applicable. The combination of knowledge migration and knowledge shadowing allows a deductive reasoning system to learn from and exploit previous experience. An implementation of these schemes in a network-based reasoning system is discussed, and test results are shown to demonstrate the benefits of these ideas.

목차 (Table of Contents)

• 요약
• Abstract
• 1. Introduction
• 2. Knowledge Migration
• 3. Knowledge Shadowing
• 4. Test Results
• 5. Related Work
• 6. Conclusion
• References
• 저자소개