JPH05189236A - マルチパラダイム知識ベースシステム - Google Patents

Abstract

(57)【要約】 【目的】 複数の異種または部分的な推論モデルを推論
知識ベースに構築して全体推論モデルを構成し、適用モ
デルの比較判断をするマッチングと複数の推論結果の評
価および調整する手段により、複数の推論モデルの存
在、重複、競合を許し、処理対象に合った知識を獲得し
て最適なシステムを構築する。 【構成】 知識ベースとして調整、マッチング、推論、
評価のための知識ベース２，３，４，５を構築し、推論
エンジン１は各知識ベースを参照し処理を実行する。調
整知識ベース２は処理対象に適合するよう他のまたは自
己の知識ベースの知識を調整し、マッチング知識ベース
３は推論知識ベース４内の複数の推論モデルの適合状況
を比較判断する。推論知識ベース４は各推論モデルの調
整やマッチングに基づいて推論を実行し、評価知識ベー
ス５ではこれらの推論結果を評価する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、データまたは情報処理
分野あるいは知識処理分野に係り、入出力データ間の関
係や処理対象が複雑な挙動を示す場合、またはそれらに
対して複数の観点からのモデルあるいは知識が存在する
場合、さらには入力データから異なる情報を推定するセ
ンサーフュージョンシステムなどに適するマルチパラダ
イム知識ベースシステムに関する。

【０００２】

【従来の技術】従来、この種の技術分野では、知識ベー
スシステムを初め、処理対象を単独のモデルにより構築
する方法が主流である。この方法は、一つのモデルで対
象を表現し、全体を包括するように構築される。また、
マルチパラダイムに類似して、システムを複数独立かつ
並列に動作する協調分散型、およびシステム内の複数の
知識ベースが独立に推論し、その結果を共通に扱う黒板
型の知識ベースシステムも存在する。これら従来のシス
テムは、他のシステムまたは知識ベースと相互に関連し
ながら推論を実行するが、どのシステムまたは知識ベー
スをどういった状況下で適用するかの判断は予め決定さ
れ、推論結果のみを統合的に扱い、結果的に選択はたは
切替による適用で処理する実行システムがほとんどであ
る。

【０００３】

【発明が解決しようとする課題】一般に、モデルはある
仮定などの適応条件下での理論に基づき構築されるた
め、モデル理論が処理対象とマッチしていれば十分な結
果を望めるが、単一のモデルで全体をカバーできない場
合もある。実際問題として、常にモデル理論と同様の状
況になるとは限らず、また、多種多様な観点、複雑な状
況が存在する場合は、多数のモデルが存在する。このよ
うな異種または複数モデルが存在する場合、条件により
一長一短があり、ある状況下では的確なモデルになるも
のの、他の状況下では不的確な場合もある。これらの理
由から、多数のモデルが存在するときは、それらの競合
が発生し、選択や適用のためのマッチングを行なう必要
が生じる。競合解消のためには主観的、客観的な条件判
断が必要となり、異種モデルでは表現形態の違いもあ
り、比較が難しい場合もあり得る。また、実際の処理時
には、任意モデルが適応条件に単独または完全に一致す
るとは限らず、一致条件が重複して複数モデルに類似す
る状況、およびいくつかのモデルが相反する結果を推論
したり、実際の状況と適応条件とのミスマッチが発生す
る場合も多々ある。

【０００４】このため、従来においては、実状況に合わ
せた知識ベースシステムを構築するために知識を予め記
述する必要があり、再構築するためには人為的に結果を
解析する必要がある。したがって、知識獲得や変更に多
大な労力を必要とし、複数の知識ベースがある場合に
は、これらの点から知識ベースの構築、再構築がさらに
困難になるという問題があった。

【０００５】本発明は、このような従来の問題を解決す
るものであり、異なる観点や理論から複数のモデルを個
々の知識として知識ベース上に構築し、それらの適応条
件とのマッチングによる判断と推論、そして結果の条件
的選択または統合による総合的な適用と評価、および実
状況へ対応する調整により知識を動的に獲得し、種々の
状況や多角的観点に適応可能なマルチパラダイム知識ベ
ースシステムを提供することを目的とする。

【０００６】

【課題を解決するための手段】本発明は、上記目的を達
成するために、対象の特徴や任意の仮定、データ状況な
どの各モデルの構築や使用基準を適応条件として知識化
し、および各モデルを知識として表現、構築し、モデル
すなわち知識の適用や推論結果を同一レベルまたは方法
での評価によって採択する。また、モデルすなわち知識
の競合解消のために、対象の状況や特徴を判断、評価
し、最適なものを適応的に対応できるように、または複
数を統合的に適用できるように推論結果の、選択、統
合、調整を行なうようにしたものである。

【０００７】すなわち、本発明のマルチパラダイム知識
ベースシステムは、処理対象の扱うデータをその事象名
称および属性名、属性値の組により表現した事象の集合
であるワーキングメモリと処理内容を事象名称および属
性を用いてｉｆ条件ｔｈｅｎ結論の組として記述したプ
ロダクションルールの集合であるルールベースとからな
る知識ベースと、複数の知識ベースを参照しルールベー
スのルールの条件とワーキングメモリ中の事象を照合し
両者が一致したときに結論の内容を生成または実行する
推論エンジンとを備え、知識ベースが、一つの処理対象
に対する任意の適応条件を持ち、かつ処理すべき部分ま
たは全ての領域を対象とする複数の異なる観点から記述
した異種モデルまたは部分的モデルによる各推論モデル
を処理領域の重複および観点の競合を許し混在させて全
処理領域に対する全体推論モデルを構築する推論手段
と、任意の適応条件と処理時の状況とのマッチング判断
により適用する単独または複数の知識ベースのモデルを
選択するマッチング手段と、個々の知識ベースに構築し
推論した結果をマッチング手段の結果を用いた順序付け
により選択しまたは複数の推論結果を統合し全体の推論
結果とするための評価手段と、処理対象の実際のデータ
またはサンプルデータを用いて知識ベースの推論知識、
マッチング、評価または自らの手段に関する知識を変更
または獲得する調整手段とを備えたものである。

【０００８】

【作用】本発明は、上記構成により、異なる観点の異種
モデルや部分的モデルにより処理領域の重複や競合を許
し混在して知識ベースを構築することができ、全体モデ
ルは論理和として包括することができる。このため、各
モデルの処理領域の明確な境界を設定する必要はなく、
単一モデルで全ての領域をカバーする必要もない。ま
た、モデル、データなど全ての事象を同一手法により知
識ベースに構築するため、統一した知識表現の下で個々
の知識として扱うことができる。さらに、マッチング手
段は、モデルの適用判断の場合に、モデルすなわち知識
ベースの適応条件と任意時点での対象の状況とを比較判
断し、適用すべきモデルを選択するため、常に同じ尺度
の下で検討でき、その時点の状況に良くマッチした単独
または複数のモデルを選択することができる。さらにま
た、評価手段では、適用し推論した知識ベースの結果を
マッチングの度合を用いて評価し、それによって選択ま
たは統合を行ない、全体の結果とするため、適応条件と
してマッチングに一致した推論結果を得られる。そし
て、調整の手段は、推論結果と対応する実データまたは
サンプルデータにより、知識ベースの推論モデル、マッ
チングや評価または自らの手段に関する推論、適応条
件、推論結果の選択や統合および調整に関する知識を自
己調整する。このため、実対象を反映した、または最も
適切な調整手段を適用し同一の尺度で見直した全体モデ
ルを再構成した知識を獲得することが可能となる。これ
らの手段は、ある対象に適用可能な複数の知識が存在す
る場合、適応条件やデータの特徴、状況を判断、選択的
または統合的に知識を適用して結果を推論し、同時に実
際の結果から知識や適用方法を得る自然なふるまいに対
応するものである。

【０００９】

【実施例】図１は本発明の一実施例の全体構成を示すも
のである。１は推論エンジン、２は他の知識ベースまた
は自己の知識ベース内の知識を変更または獲得するため
の調整手段を構築する調整知識ベース、３は適応条件と
推論時状況とを比較判断するためのマッチング手段を構
築するマッチング知識ベース、４は複数の異種または部
分的な推論モデルを処理領域の重複および観点の競合を
許し混在させて並列に構築した推論知識ベース、５は推
論結果の選択または統合を行なう評価手段を構築する評
価知識ベースであり、これらによって推論エンジン１に
対する知識ベースが構築されている。本実施例では、個
々の推論モデルだけでなく、全ての手段を推論モデルに
間接的に係わる知識として各知識ベースが構築される。
これらの知識ベース２，３，４，５は、それぞれマイク
ロプロセッサまたはマイクロコンピュータとメモリ上に
構築される。

【００１０】各知識ベース２，３，４，５は、全て知識
として表現し取り扱われ、ルールとフレームを用いて構
築される。すなわち、各知識ベース２，３，４，５は、
図２に示すように、ワーキングメモリ６とルールベース
７とからなる。ワーキングメモリ６は、事象名と属性お
よび属性値の組からなるフレームの複数の記述からな
り、ルールベース７はｉｆ条件とｔｈｅｎ結論との組み
からなるプロダクションルール（以下、ルール）の複数
の記述からなる。条件部分にはフレームの事象名、属
性、属性値を用いて参照したい条件を記述し、結論部分
には、同様にフレームに対する変更や他の処理、属性値
を用いた演算処理などを記述する。フレーム内の属性と
属性値、ルールの条件と結論は、それぞれ複数あっても
構わない。

【００１１】各知識ベース２，３，４，５内のそれぞれ
のワーキングメモリ６は、推論に必要な事象や値などを
フレームに記述し、各ルールベース７はそれらの参照条
件と結論、実行処理をルールに記述し、各知識ベース
２，３，４，５内での処理を表現する。なお、ワーキン
グメモリ６は必要に応じ他の知識ベースのルールベース
から相互に参照できるものとする。推論エンジン１は、
このルールの条件とフレームを照合し、一致していた場
合、結論を生成または実行することにより処理が進行す
る。

【００１２】次に本実施例でのマルチパラダイム知識ベ
ースシステムの構造と仕組みについて説明する。以下で
は、ある統計的な値の予測を行なう知識ベースシステム
を実施例とする。推論知識ベース４における各推論モデ
ルは、一般的なものとして、自己回帰モデル、移動平均
モデルおよび自己回帰移動平均モデルとし、これらを個
々の知識と置き、それぞれ図３に示すように知識ベース
４１，４２および４３上に構築する。したがって、本実
施例では、推論知識ベース４内に３つの具体的な知識ベ
ース４１，４２および４３の存在によるマルチパラダイ
ム知識ベースシステムとなる。これらは、一般に自律的
な特性を伴って変動する場合の知識であるが、適応条件
が明確でない場合、または処理領域が重複する場合、ま
たはモデル同士が競合し相反する結果を推論する場合が
ある。したがって従来では、対象毎にどの知識をどう適
用するかといった入念な解析が必要であり、予め設定に
より選択使用するケースが多い。

【００１３】知識ベースシステムの本体である推論知識
ベース４は以下の式を用いている。 Ｘ1(t)＝ｆ1 （Ｙ(t-1) ，Ｙ(t-2) ，・・・，Ｙ(t-n) ） ・・・（１） Ｘ2(t)＝ｆ2 （Ｙ(t-1) ，Ｙ(t-2) ，・・・，Ｙ(t-n) ） ・・・（２） Ｘ3(t)＝ｆ3 （Ｙ(t-1) ，Ｙ(t-2) ，・・・，Ｙ(t-n) ） ・・・（３） ここでＸ1 ：自己回帰モデル知識ベース４１の推論結果
（１：推論知識ベース番号） Ｘ2 ：移動平均モデル知識ベース４２の推論結果（２：
同上） Ｘ3 ：自己回帰移動平均モデル知識ベース４３の推論結
果（３：同上） Ｙ ：実際の値 ｆ1 ：自己回帰モデル知識ベース４１のモデル ｆ2 ：移動平均モデル知識ベース４２のモデル ｆ3 ：自己回帰移動平均モデル知識ベース４３のモデル t ：現時点 t-j ：過去の時点（j=1,2,・・・,n)

【００１４】本実施例では、推論知識ベース４での各モ
デル間の競合や重複は全く考慮せずともよく、各推論知
識ベース４１，４２，４３は上記式に基づいて並列に推
論を行なう。この実施例では式（１），（２），（３）
に基づく各モデルの予測を行ない、さらに補正知識を導
入する。この補正知識は、適応的に補正するためのもの
で、各推論知識ベース４１，４２，４３の推論結果と実
結果との間に存在する比例属性と偏り属性を持つ。最終
的な推論結果は、この補正知識によって以下のように補
正されたものとなる。 Ｘi'(t) ＝g （Ｘi(t)） ・・・（４） g （Ｘi(t)）＝αi(t)Ｘi(t)＋βi(t) ・・・（５） ここでα ：比例定数（初期値は１．０） β ：偏り定数（初期値は０．０） ｉ ：推論知識ベース番号（ｉ＝１，２，３） Ｘ’：補正後の推論結果 上記式により推論結果（本実施例では予測値）を得る。
これらを合わせて推論知識ベース４上に構築する。

【００１５】マッチング知識ベース３は、適応条件と実
対象との判断を行なう。この実施例における適応条件の
知識の一つは、推論結果としての予測精度がよいことで
ある。ここでは、精度は分からず、処理の進行とともに
動的に得られるものとし、かつ判断知識として適合の概
念を用いる。具体的には次式のように表わされ、この判
断知識は最大許容誤差の予測誤差絶対値の補数に基づく
ことになる。 Ｅi(t-1)＝（Ｘi(t-1)−Ｙ(t-1) ）／Ｙ(t-1) ・・・（６） Ｍi(t)＝Ｅmax −｜Ｅi(t-1)｜ ・・・（７） 但しＭi(t)＜０．０のときＭi(t)＝０．０ ここでＥ：予測誤差（Ｅmax ＝１．０） Ｍ：適合度（初期値は１．０）

【００１６】本実施例では予測を行なうため、予測値に
対する実際の値とその精度は次の推論時つまり１時点先
でないと分からない。したがって、実際の値が分かった
段階で１時点前を対象にし、その精度から今回の適合度
を得る。これらがマッチング知識ベース３上に判断知識
として構築される。

【００１７】評価知識ベース５は、各推論知識ベース４
１，４２，４３の推論結果の評価を行ない、全体として
の推論結果を導く。本実施例での評価知識は、各推論知
識ベース４１，４２，４３の適応度に基づく評価であ
る。適合度の総和を求め、その値を分母、各推論知識ベ
ース４１，４２，４３の適合度を分子として、推論結果
と掛け合わせ、その総和を求める。 Ｍa(t)＝Σ Ｍi(t) i ・・・（８） Ｏ＝Σ Ｘi'(t) Ｍi(t)／Ｍa(t) ・・・（９） ここでＭa ：各推論知識ベース４１，４２，４３適合度
の総和（Ｍa ≠０．０） Ｏ ：知識ベースシステムとしての推論結果

【００１８】したがって、結果的に適合度を基準とした
加重平均による結合となり、各推論知識ベース４１，４
２，４３の予測値の結合出力が、全知識ベースの推論結
果となる。同時に、今回の適合度を、次回推論時の適合
度として保持する。各推論知識ベース適合度の総和が
０．０の場合、全ての推論知識がマッチしないと判断
し、実際の値をそのまま返す。以上により評価知識ベー
ス５を構築する。

【００１９】調整知識ベース２は、マッチングや推論、
評価知識ベース３，４，５内の知識、適応条件や推論ま
たは評価方法などに関する知識を調整する。本実施例で
は、個々の推論知識ベースを対象に、予測誤差を用い補
正知識を調整する。この方法で各推論知識ベース４１，
４２，４３の比例および偏り属性を調整し、対象により
一致した推論知識を獲得できる。本実施例では、下記の
最急降下法によるニューラルネットワーク手法を用い、
知識を補正する。 δi(t-1)＝（Ｘi(t-1)−Ｙ(t-1) ）g'（Ｘi(t-1)） ・・・（１０） Δαi(t-1)＝ηδi Ｘi(t-1)＋γΔαi(t-1) ・・・（１１） αi(t)＝Δαi(t-1)＋αi(t-1) ・・・（１２） ここでδ：調整誤差 g'（Ｘi(t-1)）：αi(t-1) （∵g'（Ｘi(t)）＝αi(t)Ｘi(t)＋βi(t)） η：学習定数（例えば、０．９） γ：安定化係数（例えば、０．９） Δ：修正量 予測誤差は次の推論時点でないと分からないため、調整
は前回の各推論結果と実際の値の誤差から導かれる。β
i は、Ｘi(t-1)を１．０とおいてαi と同様に計算すれ
ばよい。今回の推論知識ベースはこの値を用いて推論を
実行する。以上を調整知識ベース２上に構築する。

【００２０】次に、上記実施例の動作について、図４の
フローチャートを参照して説明する。調整から評価まで
の一連のステップ５１から５４までが１回の推論で実行
され、これが繰り返される。調整ステップ５１は、前回
の推論結果つまり予測値と今回得た実際の結果により行
なわれ、マッチングステップ５２では、同様に推論結果
と実際の結果を用い適応条件との比較判断を行なう。推
論ステップ５３では、推論知識ベース４において今回ま
での事象と調整後の知識を用いて、本実施例では推論知
識ベース４内の３つの具体的な知識ベース４１，４２，
４３を用いて推論が実行される。最後に評価ステップ５
４では、マッチングによる判断結果と推論ステップ５３
による推論結果とを用いて評価がなされ、推論結果が導
出される。これらの処理をサンプルデータを用いて繰り
返すか、または実際データを用いてシステム上で繰り返
し行なうことによりシステムを構築する。但し、システ
ム起動時の最初の調整で予測値に対する実際の値が存在
しない場合、調整ステップ５１はスキップされ、その後
のステップでは初期値を用いて処理される。

【００２１】上記の動作以外に、マッチング知識ベース
３の判断知識として、推論結果の最も精度の良い知識ベ
ースを選択するかまたは最も良い精度かつ任意の適合度
以上といった知識を記述しておくことにより、単独の知
識ベースの推論結果の選択出力となる。この場合、評価
知識ベース５の知識も同様に異なるものとなる。あるい
は、推論知識ベース４に関して、ほかの知識が存在する
ならば他のものであっても全く構わない。例えば上記の
例では、数理的解析による定量的モデルまたは経験的知
識による定性的モデルなどいかなる推論知識であってよ
く、その構築基準および精度をもとに、同様にマッチン
グ知識ベース３および評価知識ベース５を構築すればよ
い。

【００２２】

【発明の効果】本発明は、上記実施例から明らかなよう
に、複数の知識ベースの存在と重複および競合を許し、
処理対象とのマッチング、適合を考慮した多角的観点か
らの推論が可能となり、当初の基本的または分かり得る
知識の記述により動的にまたは経験的に実状況に合うよ
うに自ら知識を獲得し、最適なシステムを構築すること
ができ、また、同じ知識ベースシステム上に構築し、個
々の知識として扱えるため、柔軟なシステム構築が可能
であり、変更やメンテナンスが容易であるという効果を
有する。

【図面の簡単な説明】

【図１】本発明の一実施例におけるマルチパラダイム知
識ベースシステムの全体構成図

【図２】同実施例における各知識ベースの構造図

【図３】同実施例における推論知識ベースの構造図

【図４】同実施例における全体動作のフローチャート

【符号の説明】

１ 推論エンジン ２ 調整知識ベース ３ マッチング知識ベース ４ 推論知識ベース ５ 評価知識ベース ６ ワーキングメモリ ７ ルールベース ４１ 自己回帰モデル知識ベース ４２ 移動平均モデル知識ベース ４３ 自己回帰移動平均モデル知識ベース

Claims (1)

【特許請求の範囲】
1. 【請求項１】 処理対象の扱うデータをその事象名称お
   よび属性名、属性値の組により表現した事象の集合であ
   るワーキングメモリと処理内容を事象名称および属性を
   用いてｉｆ条件ｔｈｅｎ結論の組として記述したプロダ
   クションルールの集合であるルールベースとからなる知
   識ベースと、複数の知識ベースを参照しルールベースの
   ルールの条件とワーキングメモリ中の事象を照合し両者
   が一致したときに結論の内容を生成または実行する推論
   エンジンとを備え、前記知識ベースが、一つの処理対象
   に対する任意の適応条件を持ち、かつ処理すべき部分ま
   たは全ての領域を対象とする複数の異なる観点から記述
   した異種モデルまたは部分的モデルによる各推論モデル
   を処理領域の重複および観点の競合を許し混在させて全
   処理領域に対する全体推論モデルを構築する推論手段
   と、任意の適応条件および処理時の状況とのマッチング
   判断により適用する単独または複数の知識ベースのモデ
   ルを選択するマッチング手段と、個々の知識ベースに構
   築し推論した結果をマッチングの結果を用いた順序付け
   により選択しまたは複数の推論結果を統合し全体の推論
   結果とするための評価手段と、処理対象の実際のデータ
   またはサンプルデータを用いて知識ベースの推論知識や
   マッチング、評価または自らの手段に関する知識を変更
   または獲得する調整手段とを備えたマルチパラダイム知
   識ベースシステム。