본 논문은 지식획득 과정 중 중요한 단계인 지식베이스 정제를 위한 새로운 학습모델을 제안한다. 지식획득 문제는 전문가 시스템을 구축하는데 있어서 중요한 문제로 초기의 지식베이스를 획득하는 과정과 구축된 지식베이스를 정제하는 과정을 나눌수 있다. 이 논문은 다음과 같은 방식으로 지식베이스의 정제를 제안하다. (1)초기의 지식베이스는 단지 문헌에서 획득된 지식만을 가진다. (2)초기의 지식베이스는 영역 전문가와 인터뷰없이 예제들을 분석함으로써 자동적으로 정제된다. 일반화에 의한 학습방법이 지식획득을 위하여 고려될수 있다. 이것은 탐색공간을 제한하는 방법에 따라 유사성에 기반을 둔 학습(Similarity-Based Learning;SBL)과 설명에 기반을 둔 학습(Explannation-Based Learning;EBL)으로 나눌수 있다. 전자는 버전공간(version space)이라 불리는 유망한 개념을 가지고 있지만, 바이어스(bias)에 지나치게 의존하고 있기 때문에 지식베이스의 정제에 이용하기 위해서는 해결해야 할 문제가 다수 있다. 이논문에서는 연속적인 학습을 하기 위하여 EBL을 확장한 모델을 제안하고 이것을 논리 프로그램 상에서 모델링했다. 그리고 조작성 규범(operationality)을 유지하면서 계속적으로 일반화를 탐색하는 알고리즘을 제안했다. 이때 일반화의 집합은 버전 공간과 유사한 속 구조(lattice structure)이고 최소 일반화는 유일하게 결정된다. 본 모델은 논리 프로그램 상에서 구촉되어 여러 문제에 대하여 테스트 되었다. 그 결과 다중 설명 구조 내에서 최소 일반화는 조작성의 버전 공간의 바닥에 있고, 절자적인 문제들에 대하여 조작성을 유지하면서 일반화를 탐색하는데 유용하다는 사실을 확인했다.
This paper proposes a new learning model for knowledge base refinement that is an imporant phase of knowlege acquisition. Knowledge acquisition problem is key problem for building expert systems. Rounghly speaking, it can be divided into two phases, an initial rough knowledge base acquisition phase and a knowledge base refinement phase. This paper supposes the Knowledge base refinement phase. This paper supposes the Knownledge base has knowledge acquired from only books. Therefore, it is necessary to improve performance. (b) without interviewing domain-expert, an initial knowlege base is refined automatically by analyzing examples. Learning by generalization is considered for knowledge acquisition. It is divided into the similarity-based learning(SBL)and the explanation-based learning(EBL)by methods which is called the version space, but is difficult for knowledge base refinement because it depends heabily upon the bias. The other is a promising method, but has several problems which should have solved for knowledge base refinement. In this paper we propose a model which augmnts EBL in order to do continuos learning, and model it on logic program. Also we introduce the elimination of back-tracking into operationality criterion, and propose algorithm which search continuously generalization with preserving operationality Therefore, the set of generalization is a lattice structure which is similar to the version space, and a minimum generalization is uniquely determined. It is built in logic program, and is tested by several problems. As a result, we confirmed that a minimum generalization in multiple explanation structures is at the bottom of version space of operationality and is useful to search generalizlization with preserving operationality in procedural problems.
