JPH08263294A - 事例準拠推論によるデータ経路選択タスクの方法及びシステム - Google Patents

事例準拠推論によるデータ経路選択タスクの方法及びシステム

Info

Publication number
JPH08263294A
JPH08263294A JP7330902A JP33090295A JPH08263294A JP H08263294 A JPH08263294 A JP H08263294A JP 7330902 A JP7330902 A JP 7330902A JP 33090295 A JP33090295 A JP 33090295A JP H08263294 A JPH08263294 A JP H08263294A
Authority
JP
Japan
Prior art keywords
case
routing
instance
problem instance
new
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP7330902A
Other languages
English (en)
Inventor
Hellerstin Joseph
ジョゼフ・ヘラーステイン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of JPH08263294A publication Critical patent/JPH08263294A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

(57)【要約】 （修正有） 【課題】 データ経路選択タスクのために事例準拠推論
を用いる (例えば、過去の問題インスタンスのデータベ
ースを用いてヘルプデスク問題を解決する) 知識準拠シ
ステムの実現を簡略化し且つその機能性を改良する。 【解決手段】 本発明は最新の技術に関して次の幾つか
の点を改良する。即ち: (a) 知識準拠システムが設計さ
れるとき事例取得の選択が静的ではなく動的に行われる
ので、事例に関連する属性を選択する際に高い柔軟性を
与え; (b) 属性値を比較する方法を設計者が指定するこ
とを必要としないことにより、システムの柔軟性が増加
し且つシステムの複雑さが減少し; (c) 類似性測定基準
の使用の回避によりシステム設計を簡略化し; (d) 全て
の潜在的な関連データを集めることを要する代わりに、
問題インスタンスにあるデータを漸増的に取得すること
ができ; (e) 問題解決が選択された理由を説明する方法
を提供する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は一般に知識準拠（Kn
owledge-based)システム、即ち人の知識を明白に表わし
てその有効性を増すシステムの分野に関する。詳しく
は、本発明は事例準拠推論（case-based reasoning）、
事例蓄積装置（case repository)内にある過去の複数の
問題解決対 (即ち複数の事例) と新しい問題インスタン
スを突合わせる知識準拠システムへのアプローチに関す
る。
【０００２】
【従来の技術】伝統的に、知識準拠システムは特定の条
件 (if部分) が起きたとき (then部分) を取る動作を表
わすif-then ステートメントのルールを用いて開発され
ている。あいにく、開発ルールは、知識工学のボトルネ
ック、即ち、問題の領域及びルールに準拠したプログラ
ミングの両者を理解する高度の熟練者 (知識工学者と呼
ぶ) の要求により阻害されている。
【０００３】事例準拠推論は知識工学のボトルネックを
回避する。知識工学者にルールの定式化を要求する代わ
りに、事例準拠推論は、エンドユーザが新しい問題イン
スタンスを解決するとき調べる複数の問題解決対 (即ち
事例) を事例蓄積装置内に累積することに依存する。新
しい問題インスタンスが与えられると、事例準拠システ
ムは、新しい問題インスタンスに非常によく似ている前
に解決された問題の事例蓄積装置を探索する。正確に適
合するものが発見された場合、それに関連した解決が報
告される。さもなければ、適合に近接するものが報告さ
れる。更に進んだシステムは適合に近接するものを問題
インスタンスに適合させようと試みる。
【０００４】本明細書では、事例取得及び検索に重点が
置かれる。現在の技術水準 (例えば、Janet Kolodner,
Case-Based Reasoning, Morgan Kaufman, 1993 及び Lu
ndyLewis, Case-Based Reasoning Approach to the Man
agement of Faults in Communications Network, IEEE
INFOCOM, V. 3, 1993) では、事例取得及び検索の開発
システムは: (1) 類似の事例を探索するときに用いる問題インスタン
スの属性 (索引語彙と呼ばれることもある); (2) 属性の値 (例えば、アルゴリズムが用いることがあ
る数値: 絶対値の差、自乗差及び百分比の変化) を比較
して２つの属性間の類似の程度を量子化するためのアル
ゴリズム;及び (3) どの事例を検索するかを決定するのに用いる類似性
測定基準 (例えば、属性値毎に(2) で生じた結果の重み
付け合計) を計算するアルゴリズムの指定を必要とす
る。 (後者の２つの組合せは適合又は類似性の問題と呼
ばれることがある)。
【０００５】例えば、実行問題を解決するためのヘルプ
デスクアプリケーションで、問題インスタンスについて
の関連情報は: データ、時間、応答回数、入出力を待つ
経過時間、及び各デスクのユーザによる入出力動作を含
むかも知れない。これらの各々は、データベースレコー
ドのフィールドに記憶しうる値を有する属性である。こ
れが指定されたとき、システムは下記の２つのモードで
動作する: (1) 事例取得モード: 複数の新しい問題解決対が事例蓄
積装置に記憶される。選択された属性の値に基づいて事
例に索引が付される。 (2) 事例検索モード: 新しい問題インスタンスがシステ
ムに提示されたとき、その属性の値を用いて事例蓄積装
置内の各事例の別々の類似性測定基準が計算される。最
大の類似性測定基準を有する事例が検索される。
【０００６】事例に準拠したアプローチは知識工学のボ
トルネックを回避するが、データ工学のボトルネックと
呼ばれる新しい問題を提起する。即ち、これらのシステ
ムの設計者は: (1) 使用すべき属性; (2) 属性比較アルゴリズムの選択; 及び (3) 類似性測定基準を計算するアルゴリズムの選択 を考慮しなければならない。全ての属性の使用により
(1) 項の関心がそらされるように見える。しかしなが
ら、属性のセットは動的に変化しうるから、このアプロ
ーチが常に可能であるとは限らない。更に、非常に多く
の属性がある場合、類似性測定基準の計算に高い費用を
要することがある。
【０００７】事例準拠推論のように、ルールに準拠した
システムの知識工学のボトルネックを回避しようと試み
る他のアプローチも用いられる。おおまかに、これらは
データ集約的な学習アルゴリズムである。本明細書は s
tatistical classification(e.g., Richard Johnson an
d Dean Wichern, Applied Multivariate Statistical A
nalysis, Prentice Hall, 1988); neural networks (e.
g., Sholom Weiss and Casimir Kulikowski, Computer
Systems That Learn, Morgan Kaufmann, 1990); decisi
on trees (e.g., Sholom Weiss and Casimir Kulikowsk
i,ibid.); andlearning apprentice systems (e.g., Li
sa Dent et al., A Personal Learning Apprentice, Pr
oceedings of the Joint Conference on Artificial In
telligence, 1992)を参照する。事例準拠推論と異な
り、これらの手法は学習アルゴリズムを用いて、新しい
問題インスタンス及び前に出会った解決の間の関連付け
を行う。
【０００８】学習アルゴリズムは魅力があると同時に欠
点もある。事例準拠システムのように、これらのアプロ
ーチはデータ工学を必要とする。更に、学習アルゴリズ
ムの動作のために多数の類似の問題解決対が必要とされ
るかも知れない。そのうえ、学習アルゴリズム (特に神
経ネットワーク) は、良好な動作をなし遂げようとすれ
ば、これらのパラメータの慎重な調整を必要とする場合
が多い。
【０００９】事例に準拠し且つデータ集約的な現在のア
プローチのもう１つの欠点は、潜在的に関連するデータ
を全ての問題インスタンスが必要とする訳ではないけれ
ども、これらのデータの取得を要することである。例え
ば、ヘルプデスクアプリケーションの性能問題を考えて
みよう。一定の問題の解決はディスク利用法をユーザが
報告することを必要とするかも知れない。前記計測は通
常はCPU 処理及びそれに関連するディスク記憶オーバー
ヘッドのために収集されない。全ての問題インスタンス
について前記データの収集を要することにより、知識準
拠システムを作動させる費用が大幅に増加しうる。
【００１０】事例に準拠し且つデータ集約的な現在のア
プローチの最後の欠点は、いかに解決が得られるかの意
味のある説明を自動的に作成することである。本明細書
における問題は、現在の技術水準で、複雑なアルゴリズ
ム、例えば (事例準拠システムで) 突合わせるアルゴリ
ズム、 (例えば、神経ネットワークで) 学習するアルゴ
リズム、及び (決定ルールシステムでの) 決定ルール構
築により問題及び解決の間の関連付けが行われることで
ある。構築されたルールにより決定ルールを説明しうる
が、決定ルールシステムはルール自体が学習データから
いかに取得されたかを説明できない。後者は、例えば、
不正確なデータが解決の選択にどんな影響を与えるかを
判定するために重要である。
【００１１】
【発明が解決しようとする課題】上記に照らして、本発
明は、データ経路選択タスクのデータ工学ボトルネック
を回避する新規のアーキテクチャ及びキーアルゴリズム
を含む。特に、本発明の種々の実施例は: (a) どの属性
が事例に関連するかが決定されるまで事例を取得する時
期を延期し、(b) 属性値が比較される方法に関して (例
えば、同じ属性を異なる事例について異なる方法で比較
できるようにすることにより) 柔軟性を与え、(c) 類似
性測定基準の使用を回避し (よって、それらの計算のア
ルゴリズムを不要にし)、 (d) 属性値を、問題が最初に
システムに提示されたとき又はシステムが学習データに
より較正されたとき全部まとめて取得するよりも、それ
らが必要とされるにつれて漸増的に取得することがで
き、(e) 問題を解決したエキスパートが用いたロジック
に準拠した説明の自動作成を可能にする。
【００１２】
【課題を解決するための手段】上記の特性は、問題イン
スタンス (即ち、属性値対のシーケンス) の解決に用い
た経路選択ステップをエンドユーザが再実行する事例取
得のアプローチを用いて得られる。前記ステップの各々
は: ・前に検索されたデータに関する検査 (付加される事例
の状況で真と評価すべきである); ・検査の結果として与えられた眼識のテキスト記述; 及
び ・これらの眼識の結果として提出される新しいデータベ
ース照会 を指定する経路選択エレメントを構成する。
【００１３】事例内の最後の経路選択エレメントのテキ
スト記述成分は問題インスタンスに用いた解決を含む。
問題インスタンス自身は事例蓄積装置に記憶されず、問
題インスタンスの解決に用いた経路選択エレメントのシ
ーケンスのみが記憶される。
【００１４】本発明は事例準拠推論モジュールのアルゴ
リズム、特に事例取得、事例検索及び事例除去に関する
アルゴリズムを指定する。これらのアルゴリズムはどれ
も、使用される属性を事前指定する必要がない。従っ
て、本発明は汎用事例準拠システム及び埋め込まれた事
例準拠システムの開発を可能にする。事例蓄積装置を、
２つ以上の事例に共通な経路選択エレメントの最初のシ
ーケンスを組合わせる指定されたグラフとして構築する
ことにより、効率的な事例検索が行われる。
【００１５】
【発明の実施の形態】良好な実施例は、コンピュータシ
ステムのエンドユーザである顧客による苦情にヘルプデ
スクのスタッフメンバーが応答するヘルプデスクアプリ
ケーションの状況に置かれる。知識準拠システム(KBS)
は、このタスクでHDSMと対話し、前に解決されている類
似の問題を見つけることにより支援する。前記問題が見
つからない場合、その事態は領域内のエキスパート (HD
SMの場合もある) に差し向けられる。
【００１６】図１は良好な実施例におけるKBS のコンピ
ュータシステムの構成要素を示す。HDSMは端末装置、即
ちパーソナルコンピュータ101 を介してKBS と対話す
る。KBS は複数のHDSM対話を処理するユーザインタフェ
ース103 を有し、それらを: 問題データベース108 への
アクセスを提供するデータベース管理システム 106に;
本発明で前に取得された解決 (及びそれらの関連解決ス
テップ) をデータレコードの事例蓄積装置 107 (例え
ば、データベース) に記憶する事例準拠推論(CBR)モジ
ュール105 に; 又はそれら自身が問題データにアクセス
し又はCBR モジュールを利用しうる関連アプリケーショ
ンプログラム104 に適切に経路指定する。
【００１７】図２は良好な実施例における情報の流れを
表示する。便宜上、図１におけるユーザインタフェース
103 及びアプリケーションプログラム104 のブロックを
組合わせて１つのブロック201 とする。３つのCBR モジ
ュール、図１の105 は、図２では、事例取得モジュール
202、事例検索モジュール 203及び事例除去モジュール
204 として別個に表示される。これらのモジュールは、
エンドユーザによりユーザインタフェース201 を介して
呼出されるか又はアプリケーションプログラム201 によ
り呼出され、そして事例蓄積装置205 に対してデータの
読取り又は書込みを行う。更に、事例取得及び事例検索
モジュールの両者はデータベース管理システム206 を介
して問題データベース208 にアクセスする。事例取得モ
ジュール202 は問題データベース208 からのデータの読
取り及び問題データベース208 へのデータの書込みを行
うが、事例検索モジュール203 は問題データベース208
からのデータの読取りのみを行う。
【００１８】図３は顧客の問題の解決に関連した活動を
示す。ブロック502 で、問題を有する顧客がHDSMに連絡
をとる。ブロック504 で、HDSMは顧客から出会った問題
の最初のデータを聞き出す。ブロック518 で、HDSMはKB
S を呼出し、この最初のデータにより関連事例、ならび
に追加のデータなしには関連性を決定できない事例を検
索し、これを行うために、KBS は図２の事例検索モジュ
ール203 を利用する。ブロック520 で、HDSM又は顧客の
決定により、検索された事例の幾つかが (構成又はビジ
ネス方式の変化により) 無効となることがあり、その場
合、ブロック522 で、HDSMは図２の事例除去モジュール
204 を呼出し、無効な事例を除去する。ブロック506
で、HDSMは検索された事例を調べ、顧客の苦情の適切な
解決が見つかったかどうかを決定する。適切な解決が見
つかった場合には、ブロック516 で、それが (前の事例
取得の間に得られた情報に基づいた説明とともに) 顧客
に報告される。適切な解決が見つからなかった場合に
は、ブロック508 で、HDSMは、より多くのデータが取得
された場合に使用できるかも知れない事例のリストを調
べる。これらの見合わせられた事例の少なくとも１つが
有望であるように見える場合、ブロック510 で、HDSMは
必要なデータを顧客に要求する (これは追加データ収集
ソフトウェア又は監視プログラムの実行を必要とするか
も知れない)。 ひとたびこれらのデータが使用できれ
ば、ブロック518 での問題検索が再開始され、KBS は新
たに与えられたデータに基づいた追加の事例を検索す
る。見合わせられた事例が存在しない場合には、ブロッ
ク512 で、問題はエキスパートによる解決が進められ
る。解決が得られた後、ブロック514 で、エキスパート
は図２のKBS の事例取得モジュール202 を用いて、問題
を解決するために用いられたステップ (図５で事例取得
の間に記憶される経路選択エレメント 804) 及び検査さ
れたデータを再実行する。これが実行された後、ブロッ
ク516 で、解決が顧客に報告される。
【００１９】事例蓄積装置205 は指定された経路選択エ
レメントのグラフとして構成される。これは事例記憶グ
ラフと呼ばれる。図４は、このグラフ上の普通のプログ
ラミングインタフェースにより使用可能にされる機能の
リストである。参照番号702で、子(J) は事例記憶グラ
フでノード索引の子Ｊを見つける機能である。参照番号
704 で、子付加(NE,J)は経路選択エレメントNEの索引Ｊ
の子を生成する。この機能は新たに生成されたノードの
索引を返送する。参照番号706 で、事例(J) はノード索
引Ｊに関連した事例のリストを返送する。子及び子付加
機能は一般に既存のソフトウェアで実行されるグラフ操
作タスクで用いられる (例えば、A.V. Aho, J.E. Hopcr
oft and J.D. Ullman "Data Structures and Algorith
m", Addison Wesley, 1983 参照されたい)。 リストデ
ータ構造が事例記憶グラフで各ノードと関連づけられ、
当該ノードと関連した事例を指す場合には、事例機能は
容易に実現される。また、これらの機能は、事例記憶グ
ラフで個々のノードと関連した適切なデータ構造と、全
体として事例記憶グラフと関連したデータ構造とにより
使用できることを当業者は認識するであろう。これらの
アルゴリズム及びデータ構造の詳細は本明細書には含ま
れない。
【００２０】図５は図３のブロック514 で用いた図２の
事例取得モジュール202 の高レベルの情報の流れを示
す。本発明では、事例は経路選択エレメントのシーケン
スであり、順序付けられた３つの動作: 検査、記述及び
照会を含むことを想起されたい。ブロック802 で、種々
の事例に含まれた経路選択エレメントの順序付けられた
セットは空のセットに初期化される。ブロック804 でエ
キスパートは (例えば、図形ユーザインタフェースを介
して) KBS と対話して経路選択エレメントを指定する。
ブロック806 で、KBS は前記経路選択エレメントを事例
に付加する。ブロック808 で、これが (例えば、図示の
ように) 最後の経路選択エレメントである場合、ブロッ
ク810 で、図６の事例付加アルゴリズムが事例記憶グラ
フを更新するために呼出される。さもなければ、ブロッ
ク804 で、エキスパートは別の経路選択エレメントを指
定する。
【００２１】図６は図５のブロック810 で事例取得モジ
ュールにより呼出される事例付加アルゴリズムを示す。
概略的に、このアルゴリズムは事例記憶グラフでノード
のシーケンスを、その関連経路選択エレメントと付加さ
れる事例で順序付けられた経路選択エレメントのリスト
とが同じであるものについて探索する。詳しくは、ブロ
ック902 で、以下の変数が初期化される。X[1]，..., X
[K] は (ルートノードであるY[1]とともに) 付加される
事例の経路選択エレメントである。Y[1]，...,X[N] は
事例記憶グラフにあるノードである。変数Ｍは事例記憶
グラフにある現在のノードの索引である。そして変数Ｊ
は付加される事例にある現在の経路選択エレメントの索
引である。ブロック908 で、 (図４の参照番号702 にあ
る子機能を用いて、) X[J]と同じ経路選択エレメントを
有する子がいるかどうかを調べるためにＭ番目のノード
の子が検査される。もしいるなら、変数Ｉは最初の前記
ノードの索引にセットされる。ブロック910 で、Ｉ番目
のノードは事例記憶グラフにある現在のノードにセット
され、そして付加される事例を指すように更新される。
また、Ｊは増分され、付加される事例にある次の経路選
択エレメントに索引を付ける。ブロック908 の検査の結
果がノーの場合、ブロック912 で、付加される事例にあ
る残りの経路選択エレメントの新しいノードが生成され
る。事例付加アルゴリズムにより事例記憶グラフがトリ
ーとして構築され、その時点から、アルゴリズムは適合
する経路選択エレメントを探索する。それは事例記憶グ
ラフにある１つのノードの子のみを考慮するので、子は
せいぜい１つの親しか持ちえない。
【００２２】図７は、図３のブロック518 で用いられ且
つ図２のブロック203 の事例検索モジュールの一部であ
る事例検索アルゴリズムを示す。このアルゴリズムは、
与えられた問題データについて事例記憶データの最深の
可能な横断を構成する事例を発見し、そして追加の問題
データが得られる場合に適用しうる見合わせられた事例
を識別する (図３のブロック508 及び510 を参照された
い)。 ブロック1002で、アルゴリズムの入力及び初期化
が記述される。問題インスタンスは問題データにある属
性値対を含む。Y[1]，..., X[M] は事例記憶グラフにあ
るノードである。 "見合わせ"(空のセットに初期化され
る) は付加データが得られる場合に更に経路選択が可能
となりうる、事例記憶グラフにあるノードのリストであ
る。 "発見"(空のセットに初期化される) は問題データ
の最深の可能な横断を構成する事例記憶グラフにあるノ
ードのリストである (即ち、これらのノードは "葉" で
あるか又はそれらは検査成分が問題データを真と評価す
る子を持たない)。 そして"活動" は、現に検査中であ
る事例記憶グラフにあるノードの索引のリストである。
ブロック1004で、 "活動ノード" にある次のエレメント
が除去され、そして変数Ｍに割当てられる。エレメント
が存在しない (即ち、 "活動ノード" は空である) 場
合、ブロック1006で、処理は終了し、事例記憶グラフ内
の最初のノードなしの "発見" に戻る。さもなければ、
ブロック1012で、 "カウント" は０に初期化され、そし
てブロック1014で、Y[M]の子は順次に検査される。全部
が検査された後、ブロック1016で、子が真と評価する検
査を有しない場合に、Ｍは "発見" に付加される。子の
リストが使い尽くされていない場合、次の子の索引がＩ
に付加される。ブロック1018で、Y[I]に関連した経路選
択エレメントの検査成分が変数ｔに割当てられる。ブロ
ック1020で、脱落したデータによりｔが評価できない場
合、Ｉがブロック1022で "見合わせ" に付加される。さ
もなければ、ブロック1024で、 "問題インスタンス" に
ある属性値対についてｔが評価される。結果が偽である
場合、制御はブロック1014に戻る。結果が真である場
合、ブロック1026で、カウントが増分され、そして (横
断境界が１レベル下方に移動するから)Ｉは "活動ノー
ド" に付加される。ブロック1022及び1024の実行の後、
制御は1014に戻り、Ｍの次の子を評価する。アプリケー
ションプログラム及びユーザインタフェースルーチンは
図４の機能を用いて、戻ったノード索引に関連した事例
を発見し且つ (又は) 事例記憶グラフ内で更に経路選択
する。 (ノードの親を見つける機能のような、一般に使
用される別のグラフ機能も同様に用いうる。)
【００２３】解決の説明の作成は本発明では事例にある
各経路選択の記述成分を用いて比較的容易に行いうるこ
とは当業者には明白であろう。例えば、１つのアプロー
チは経路選択エレメントの記述成分を、検査成分が真と
評価する最初の１つから開始して最後の１つまで、順次
にリストすることである。
【００２４】図８は事例を除去するために用いられる事
例除去アルゴリズムを示す。このアルゴリズムは図２の
事例除去モジュール204 の一部であり、そして図３のブ
ロック522 で用いられる。高レベルで、事例除去は:
(a) 除去される事例にある各経路選択エレメントに対応
する事例記憶グラフにあるノードを見つけ; (b) 前記ノ
ードのデータ構造を更新する (又は他の事例がそれを用
いる場合にはそのノードを除去する)。
【００２５】ブロック1102で、入力が指定され且つ変数
が初期化される。特に、Ｊは除去される事例にある経路
選択エレメントに索引を付ける。ブロック1116で、Ｊが
増分される。ブロック1104で、除去される事例にある最
後の経路選択エレメントの索引とＪとが比較される。そ
の事例にある全ての経路選択エレメントが処理されてい
る場合には、ブロック1108で、アルゴリズムは終了す
る。さもなければ、ブロック1106で、アルゴリズムはX
[J]に用いられる経路選択エレメントを有するY[I]を見
つける。 (Y[I]に関連したデータ構造に基づいたブロッ
ク1110での決定により) 他の事例がY[I]を用いない場
合、ブロック1114で、このノードは除去される。さもな
ければ、ブロック1112で、Y[I]は、除去される事例をも
はやそれが指さないように更新される。ブロック1112又
はブロック1114の実行に続いて、制御はブロック1116に
戻る。
【００２６】ここで事例付加及び事例検索アルゴリズム
の動作を示す例を提示する。以下は、コンピュータシス
テムでオペレーティングシステムレベルの性能問題を解
決するするために検査されることがある属性のリストで
ある。 ・データ: そのデータが引出されたデータ ・シフト: プライム、スイング、ミドナイト ・R: 応答時間 ・CPU: そのCPU の実行又は待機のために経過した時間 ・IO: 入出力サブシステムで経過した時間 ・MEM: メインメモリの待機のために経過した時間 ・ユーザ１集合IO ・ディスク1のユーザ1 IO 速度 ... ・ディスクKのユーザ1 IO 速度 ・ディスク1のユーザ2 IO 速度 ... ・ディスクKのユーザN IO 速度 ・ユーザ1集合CPU消費 ・カーネルサービス1によるユーザ1 CPU消費 ... ・カーネルサービスMによるユーザ1 CPU消費 ・ユーザ2集合CPU消費 ・カーネルサービス1のユーザ2 CPU消費 ... ・カーネルサービスMのユーザ2 CPU消費 ・ユーザN集合CPU消費 ・カーネルサービス1のユーザN CPU消費 ... ・カーネルサービスMのユーザN CPU消費 ・ユーザ1名称 ... ・ユーザN名称 ・ディスク1の利用 ... ・ディスクKの利用 潜在的に関連するデータのセットは大きいので、そのデ
ータ要求を極度に倹約する事例準拠推論へのアプローチ
を用いることが望ましい。
【００２７】以下に含まれるのは、図示の例で最初の事
例蓄積装置を構成する４つの事例である。教育上の理由
で、経路選択エレメントはNEx.y のラベルを付される
(この場合、x は事例であり、y は事例にある索引であ
る)。 事例 1 NE1.1 t: 真 d: "最初のデータを取得する" q: 日付, シフト, R, IO, CPU, MEM NE1.2 t: IO>CPU 且つ IO>MEM d: "I/Oはボトルネックである" q: ユーザ1集合IO速度, ...,ユーザN集合IO速度, ここ
でユーザMAXは最大の集合IO速度を有する NE1.3 t: ユーザMAX名 = "バックアップ" 且つ シフト = "プ
ライム" d: "プライムシフトの間にバックアップが実行中である
ので性能は低下する" 事例 2 NE2.1 t: 真 d: "最初のデータを取得する" q: 日付, シフト, R, IO, CPU, MEM NE2.2 t: IO>CPU 且つ IO>MEM d: "I/Oはボトルネックである" q: ディスク1利用, ...,ディスクK利用, ここでディス
クMAXは最大の利用を有する NE2.3 t: ディスクMAXのラベルはサブストリング'USERDAT'を
含む d: "ディスクとユーザデータとの争点がある。アクセス
プログラムを検査する。 事例 3 NE3.1 t: 真 d: "最初のデータを取得する" q: 日付, シフト, R, IO, CPU, MEM NE3.2 t: CPU>IO 且つ CPU>MEM d: "CPUはボトルネックである" q: ユーザ1集合CPU消費, ...,ユーザN CPU消費, ここで
ユーザMAXは最大のCPU消費を有する NE3.3 t: ユーザMAX集合IO = 0 d: "ユーザMAXは無限ループ内かも知れない" 事例 4 NE4.1 t: 日付 = 9/30 且つ シフト = "プライム" d: "会計年度の終わりで性能は常に不十分である" 各事例は経路選択エレメントのシーケンスを含む。事例
にある最後の経路選択エレメントはその記述成分にある
問題解決を含み、そしてそれは照会成分を含まない。
【００２８】図９は、図６の事例付加アルゴリズムを上
記の事例1〜4に用いた結果生じる事例記憶グラフを示
す。グラフにあるノードは、それらが生成された順序で
番号が付される。ブロック301〜309は事例記憶グラフに
あるノード１〜９にそれぞれ対応する。ブロック302の
ノード２は事例１,２及び３で共有される。なぜなら、
それらの最初の経路選択エレメントは等しい (即ち、NE
1.1 = NE2.1 = NE3.1 である) からである。また、事例
１及び２は、たとえNE1.2 検査成分がNE2.2 の検査成分
と同じでも、それらの２番目の経路選択エレメントに関
して同じノードを有しない (なぜなら、それらは異なる
照会成分を有するからである)。
【００２９】事例付加の動作を示すために、下記の事例
５が図９の事例記憶グラフにどのように付加されるかを
考える。 事例 5 NE5.1 t: 真 d: "最初のデータを取得する" q: 日付, シフト, R, IO, CPU, MEM NE5.2 t: IO>CPU 且つ IO>MEM d: "I/Oはボトルネックである" q: ディスク1利用, ..., ディスクK利用, ここでディス
クMAXは最大の利用を有する NE5.3 t: ディスクMAXのラベルはサブストリング 'PROGRAM'
を含む d: "大きいプログラムを探す" 図６のブロック902 で、Ｍ (事例記憶グラフにあるノー
ドを識別する) 及びＪ(事例５にある経路選択エレメン
ト) はどちらも１に初期化される。ブロック908 で、事
例付加は (引数１を有する) 子機能を呼出し; これはセ
ット {2,9}を返送する。このセットにある２つの索引に
ついて: ・それらの経路選択エレメントは事例５にあるＪ番目の
経路選択エレメントと比較される。 (Ｊは１に初期化さ
れていることを想起されたい)。 ノード番号２について
は、それらは等しく、ノード番号９については、それら
は異なる。 ・ブロック910 で、ＭはＩにセットされ、そしてＪは増
分される。従って、M= 2 且つ J = 2である。ノードＭ
に関連したデータ構造は更新され、事例５を指す。
【００３０】この時点で、事例５の２番目の経路選択エ
レメントが処理される。M = 2 であるから、事例付加は
子(2) を呼出し、子(2) はセット{3,5.7} を返送する。
ノード５のみがNE5.2 に適合するので、このノードのデ
ータ構造が更新され、事例５を指す。この時点で、M =
5 且つ I = 3である。
【００３１】次に、事例５の３番目の経路選択エレメン
トが処理される。子(5) はセット{6} を返送する。NE5.
3 はノード６に関連した経路選択エレメントに適合しな
い。従って、子機能が呼出され、事例５を指す事例記憶
グラフに新しいノードを生成する。
【００３２】その結果得られた事例記憶グラフが図１０
に示される。ブロック401〜410はそれぞれ事例記憶グラ
フにあるノード 1〜10に対応する。このグラフは、ブロ
ック402,405 及び410 を除いて、図９のグラフと同じで
ある。ブロック402 は、更新されていてNE5.1 を指す外
は、ブロック302 に対応する。同様に、ブロック405
は、更新されていてNE5.2 を指す外は、ブロック305 に
対応する。ブロック410は事例記憶グラフでNE5.3 に対
応する新しいノードである。
【００３３】図７の事例検索の動作を図１０に示された
事例記憶グラフを用いて、下記のリストに示す図７のブ
ロック1002の問題データの属性値対を説明する。 ・・ データ: 9/30 ・・ シフト: プライム ・・ R: 8 ・・ CPU: 5 ・・ IO: 2 ・・ MEM: 1 ・・ ユーザ1集合CPU消費 : 50 ・・ ユーザ2集合CPU消費 : 30 ・・ ユーザ3集合CPU消費 : 20 ・・ ユーザ1集合IO速度: 300 ・・ ユーザ2集合IO速度: 150 ・・ ユーザ3集合IO速度: 200 図７のブロック1002で、活動ノードは{1} に初期化され
る。事例検索の外部ループはブロック1004で始まる。外
部ループの最初のパスで、下記が行われる: ・ブロック1014で、ノード１ (活動ノードにある唯一の
エレメント) の子: ノード2及び9が得られる。 ・ブロック1020で、必要なデータが使用できるかどうか
を調べる検査が行われる; これはノード2及び9について
どちらも真である。 ・ブロック1024で、２つのノード2及び9の検査は真であ
ると評価される。
【００３４】二度目にブロック1004が開始されると、活
動ノードは{2,9} である。ノード9は葉であるから、ブ
ロック1016で "発見" は{9} にセットされる。図１０の
ブロック402 で、ノード2 は子3,5 及び7(ブロック403,
405及び407) を有する。ノード7 に関連した経路選択エ
レメントの検査のみが真と評価する。
【００３５】三度目にブロック1004が開始されると、活
動ノードは{7} であるので、ブロック407 で、ノード7
の子が考慮される。ブロック408 のノード8 には１つの
子のみがある。ノード8 に関連した経路選択エレメント
の検査は真と評価しないから、カウントは０のままであ
る。よって、ブロック1016でノード7 は "発見" に付加
される。四度目のブロック1004が開始されると、活動ノ
ード = {} である。従って、ブロック1006で、事例検索
は "発見" に{7,9} を返送し、そして{}は見合わせられ
る。
【００３６】本発明は性能問題を解決するためにデスク
の人々が対話することを支援する１つのコンピュータシ
ステムの状況で説明されている。しかしながら、この説
明は本発明をこのような環境に限定するものと解釈すべ
きではない。例えば、本発明は、種々の分散した計算シ
ステム及び情報検索を必要とするアプリケーション又は
研究タスク (例えば、特別のデータベース照会) にも等
しく当てはまる。実際に、本発明の１つの可能な適用
は、情報処理能力を有する機関がインターネットのよう
な環境で関心のある情報を見つけ、検索し、そしてフィ
ルタするように教育することにある。更に、 (例えば、
問題インスタンスの解決活動をする) プログラムを呼出
すために経路選択エレメントの照会成分を拡張するよう
な一般化も容易且つ明白であろう。
【００３７】まとめとして、本発明の構成に関して以下
の事項を開示する。 (１) 順序付けられた経路選択エレメントのセットとし
て構成される過去の問題インスタンスの事例蓄積装置と
新しい問題インスタンスを比較する事例準拠推論を用い
る知識システムを使用するデータ経路選択の方法であっ
て、新しい問題インスタンスの問題データを知識システ
ムに入力するステップと、問題データに関連する過去の
問題インスタンスを前記事例蓄積装置から検索するステ
ップと、追加の過去の問題インスタンスを新しい問題イ
ンスタンスに関連づける追加の問題データを収集するス
テップと、新しい問題インスタンスが解決されるか又は
新しい問題インスタンスに関連する全ての過去の問題イ
ンスタンスを検索し終わるまで、前記検索するステップ
を反復するステップとを含む方法。 (２) 事例蓄積装置は指示されたグラフ構造を有し、過
去の問題インスタンスに共通の複数の経路選択エレメン
トが組合わされる、上記(１)に記載の方法。 (３) 検索された過去の問題インスタンスは新しい問題
インスタンスの解決を含み、そして経路選択エレメント
は、順序付けられた３つの動作として: データ経路選択
条件を表わす検査、経路選択エレメントを説明するテキ
スト記述、及び順序付けられた経路選択エレメントのセ
ットにある次の構成部分を索引する新しいデータベース
照会を指定するように構成され、前記反復するステップ
に応答して、検索された過去の問題インスタンスのテキ
スト記述に基づいた新しい問題の説明を作成するステッ
プを更に含む、上記(１)に記載の方法。 (４) 前記検索するステップに応答して、無効な過去の
問題インスタンスを識別するステップを含む、上記(１)
に記載の方法。 (５) 無効な過去の問題インスタンスを前記事例蓄積装
置から除去するステップを含む、上記(４)に記載の方
法。 (６) 前記新しい問題インスタンスに関連する全ての過
去の問題インスタンスが検索し終わり、どれも新しい問
題インスタンスの解決を含まない場合、知識システムに
入力する経路選択エレメントを指定するステップと、前
記指定するステップに応答して、順序付けられた経路選
択エレメントのセットに新しい問題インスタンスの経路
選択エレメントを付加するステップと、新しい問題イン
スタンスが解決されるまで、前記指定するステップ及び
前記付加するステップを反復するステップと、前記反復
するステップに応答して、新しい問題インスタンスにつ
いて順序付けられた経路選択エレメントのセットにより
事例蓄積装置を更新するステップとを含む、上記(１)に
記載の方法。 (７) 前記事例蓄積装置は複数のノードが参照する経路
選択エレメントを有するデータ構造であり、前記更新す
るステップは、順序付けられた経路選択エレメントのセ
ットのシーケンスに対応する、ノードが参照する経路選
択エレメントのシーケンスについて前記事例蓄積装置を
探索するステップと、前記探索するステップに応答して
前記事例蓄積装置を改訂し、新しい問題インスタンスを
組込むステップと、前記探索するステップで見つからな
かった順序付けられた経路選択エレメントの代わりに新
しいノードが参照する経路選択エレメントを組込むステ
ップと、前記事例蓄積装置に新しい問題インスタンスが
付加されるまで、前記探索するステップ、改訂するステ
ップ及び組込むステップを反復するステップとを含む上
記(６)に記載の方法。 (８) 問題インスタンスが事例蓄積装置に記憶された順
序付けられた経路選択エレメントのセットとして構成さ
れ、前記問題インスタンスの前記事例蓄積装置を知識シ
ステムでデータ経路選択に用いるために構築する方法で
あって、前記知識システムに入力する経路選択エレメン
トを指定するステップと、前記指定するステップに応答
して、順序付けられた経路選択エレメントのセットに経
路選択エレメントを付加するステップと、問題インスタ
ンスが解決されるまで、前記指定するステップ及び付加
するステップを反復するステップと、順序付けられた経
路選択エレメントのセットを有する前記事例蓄積装置を
新しい問題インスタンスに対応して更新するステップと
を含む方法。 (９) 前記事例蓄積装置は複数のノードが参照する経路
選択エレメントを有するデータ構造であり、そして前記
更新するステップは、新しい問題インスタンスの経路選
択エレメントのシーケンスに対応する、ノードが参照す
る経路選択エレメントのシーケンスについて前記事例蓄
積装置を探索するステップと、前記探索するステップで
見つかったノードのシーケンスを改訂し、新しい問題イ
ンスタンスを組込むステップと、前記探索するステップ
で見つからなかった順序付けられた経路選択エレメント
の代わりに新しいノードが参照する経路選択エレメント
を組込むステップと、前記事例蓄積装置に新しい問題イ
ンスタンスが付加されるまで、前記探索するステップ、
更新するステップ及び組込むステップを反復するステッ
プとを含む、上記(８)に記載の方法。 (１０) 順序付けられた経路選択エレメントのセットと
して構築される過去の問題インスタンスと新しい問題イ
ンスタンスとの比較に適応したプロセッサを有するデー
タ経路選択の事例準拠知識システムであって、過去の問
題インスタンスを記憶する事例蓄積装置と、新しい問題
インスタンスに関連する全ての過去の問題インスタン
ス、及び追加の新しい問題インスタンスデータの入力に
より関連が生ずる全ての過去の問題インスタンスを、新
しい問題インスタンスが解決されるか又は新しい問題イ
ンスタンスに関連する前記全ての過去の問題インスタン
スを検索し終わるまで、前記事例蓄積装置から反復して
検索する事例検索手段と、新しい問題インスタンスを前
記事例検索手段に経路指定し且つ過去の問題インスタン
スを前記事例検索手段から経路指定するユーザインタフ
ェースとを備えるシステム。 (１１) 前記ユーザインタフェースは新しい問題インス
タンスを関連するアプリケーションに経路指定し且つ関
連するアプリケーションから新しい問題インスタンスを
経路指定する、上記(１０)に記載のシステム。 (１２) 検索された過去の問題インスタンスは新しい問
題インスタンスの解決を含み、そして経路選択エレメン
トは、順序付けられた３つの動作として: データ経路選
択条件を表わす検査、経路選択エレメントを説明するテ
キスト記述、及び順序付けられた経路選択エレメントの
セットで次の経路選択エレメントを検索する新しいデー
タベース照会を指定するように構成され、検索した過去
の問題インスタンスのテキスト記述に基づいて新しい問
題インスタンスの説明を作成する手段を更に備える、上
記(１０)に記載のシステム。 (１３) 前記事例検索手段は、無効な過去の問題インス
タンスを識別する手段を備える、上記(１０)に記載のシ
ステム。 (１４) 無効な過去の問題インスタンスを前記事例蓄積
装置から除去する事例除去手段を更に備える、上記(１
３)に記載のシステム。 (１５) 前記事例蓄積装置は過去の問題インスタンスに
共通の経路選択エレメントが組合わされる指定されたグ
ラフ構造を有する、上記(１０)に記載のシステム。 (１６) 新しい問題インスタンスに関連する前記全ての
過去の問題インスタンスが検索されているが、どれも新
しい問題インスタンスの解決を含まない場合、順序付け
られた経路選択エレメントのセットを生成し、そして生
成された順序付けられた経路選択エレメントにより前記
事例蓄積装置を更新する事例取得手段を備え、ユーザイ
ンタフェースは新しい問題インスタンスの経路選択エレ
メントを前記事例取得機能に経路指定するのに適応す
る、上記(１５)に記載のシステム。 (１７) 前記事例蓄積装置は経路選択エレメントを参照
する複数のノードを有するデータ構造であり、そして前
記事例取得手段は、前記事例蓄積装置を反復的に探索し
且つ改訂し、過去の問題インスタンスに共通の新しい問
題インスタンスの経路選択エレメントのシーケンスを組
込む手段を備え、新しい問題インスタンスの順序付けら
れた経路選択エレメントのセットが前記事例蓄積装置に
付加される、上記(１６)に記載のシステム。 (１８) 順序付けられた経路選択エレメントのセットと
して構築される過去の問題インスタンスと新しい問題イ
ンスタンスとの比較に適応したプロセッサを有するデー
タ経路選択の事例準拠知識システムであって、過去の問
題インスタンスを記憶する事例蓄積装置と、新しい問題
インスタンスに対応する順序付けられた経路選択エレメ
ントのセットを反復的に生成し、そして生成された順序
付けられた経路選択エレメントのセットにより前記事例
蓄積装置を更新する事例取得手段と、新しい問題インス
タンスの経路選択エレメントを前記事例取得手段に経路
指定するのに適応したユーザインタフェースとを備える
システム。 (１９) 事例蓄積装置は過去の問題インスタンスに共通
の経路選択エレメントが組合わされる指定されたグラフ
構造を有する、上記(１８)に記載のシステム。
【図面の簡単な説明】
【図１】知識準拠システム(KBS) の良好な実施例のコン
ピュータシステムアーキテクチャを示す図である。
【図２】良好な実施例における情報の流れの詳細を示す
図である。
【図３】顧客の苦情を解決するとき実行される活動のシ
ーケンスを示す図である。
【図４】本発明が依存する事例記憶グラフのアプリケー
ションプログラミングインタフェース機能を明確に示す
図である。
【図５】新しい事例を取得するための情報の流れを示す
図である。
【図６】事例記憶グラフの適切な操作により事例を付加
するアルゴリズムを示す図である。
【図７】事例記憶グラフの適切な操作により事例を検索
するアルゴリズムを示す図である。
【図８】事例記憶グラフの適切な操作により事例を除去
するアルゴリズムを示す図である。
【図９】前述のアルゴリズムの動作を説明する例で用い
た事例記憶グラフを示す図である。
【図１０】前述のアルゴリズムの動作を説明する例で用
いた事例記憶グラフを示す図である。
【符号の説明】
101 パーソナルコンピュータ 103 ユーザインタフェース 104 アプリケーションプログラム 105 事例準拠推論(CBR) モジュール 106 データベース管理システム 107 事例蓄積装置 108 問題データベース 201 ユーザインタフェース／アプリケーションプ
ログラム 202 事例取得モジュール 203 事例検索モジュール 204 事例除去モジュール 205 事例蓄積装置 206 データベース管理システム 208 問題データベース

Claims (19)

    【特許請求の範囲】
  1. 【請求項１】順序付けられた経路選択エレメントのセッ
    トとして構成される過去の問題インスタンスの事例蓄積
    装置と新しい問題インスタンスを比較する事例準拠推論
    を用いる知識システムを使用するデータ経路選択の方法
    であって、 新しい問題インスタンスの問題データを知識システムに
    入力するステップと、 問題データに関連する過去の問題インスタンスを前記事
    例蓄積装置から検索するステップと、 追加の過去の問題インスタンスを新しい問題インスタン
    スに関連づける追加の問題データを収集するステップ
    と、 新しい問題インスタンスが解決されるか又は新しい問題
    インスタンスに関連する全ての過去の問題インスタンス
    を検索し終わるまで、前記検索するステップを反復する
    ステップとを含む方法。
  2. 【請求項２】事例蓄積装置は指示されたグラフ構造を有
    し、過去の問題インスタンスに共通の複数の経路選択エ
    レメントが組合わされる、請求項１に記載の方法。
  3. 【請求項３】検索された過去の問題インスタンスは新し
    い問題インスタンスの解決を含み、そして経路選択エレ
    メントは、順序付けられた３つの動作として: データ経路選択条件を表わす検査 経路選択エレメントを説明するテキスト記述、及び順序
    付けられた経路選択エレメントのセットにある次の構成
    部分を索引する新しいデータベース照会を指定するよう
    に構成され、 前記反復するステップに応答して、検索された過去の問
    題インスタンスのテキスト記述に基づいた新しい問題の
    説明を作成するステップを更に含む、請求項１に記載の
    方法。
  4. 【請求項４】前記検索するステップに応答して、無効な
    過去の問題インスタンスを識別するステップを含む、請
    求項１に記載の方法。
  5. 【請求項５】無効な過去の問題インスタンスを前記事例
    蓄積装置から除去するステップを含む、請求項４に記載
    の方法。
  6. 【請求項６】前記新しい問題インスタンスに関連する全
    ての過去の問題インスタンスが検索し終わり、どれも新
    しい問題インスタンスの解決を含まない場合、 知識システムに入力する経路選択エレメントを指定する
    ステップと、 前記指定するステップに応答して、順序付けられた経路
    選択エレメントのセットに新しい問題インスタンスの経
    路選択エレメントを付加するステップと、 新しい問題インスタンスが解決されるまで、前記指定す
    るステップ及び前記付加するステップを反復するステッ
    プと、 前記反復するステップに応答して、新しい問題インスタ
    ンスについて順序付けられた経路選択エレメントのセッ
    トにより事例蓄積装置を更新するステップとを含む、請
    求項１に記載の方法。
  7. 【請求項７】前記事例蓄積装置は複数のノードが参照す
    る経路選択エレメントを有するデータ構造であり、 前記更新するステップは、 順序付けられた経路選択エレメントのセットのシーケン
    スに対応する、ノードが参照する経路選択エレメントの
    シーケンスについて前記事例蓄積装置を探索するステッ
    プと、 前記探索するステップに応答して前記事例蓄積装置を改
    訂し、新しい問題インスタンスを組込むステップと、 前記探索するステップで見つからなかった順序付けられ
    た経路選択エレメントの代わりに新しいノードが参照す
    る経路選択エレメントを組込むステップと、 前記事例蓄積装置に新しい問題インスタンスが付加され
    るまで、前記探索するステップ、改訂するステップ及び
    組込むステップを反復するステップとを含む請求項６に
    記載の方法。
  8. 【請求項８】問題インスタンスが事例蓄積装置に記憶さ
    れた順序付けられた経路選択エレメントのセットとして
    構成され、前記問題インスタンスの前記事例蓄積装置を
    知識システムでデータ経路選択に用いるために構築する
    方法であって、 前記知識システムに入力する経路選択エレメントを指定
    するステップと、 前記指定するステップに応答して、順序付けられた経路
    選択エレメントのセットに経路選択エレメントを付加す
    るステップと、 問題インスタンスが解決されるまで、前記指定するステ
    ップ及び付加するステップを反復するステップと、 順序付けられた経路選択エレメントのセットを有する前
    記事例蓄積装置を新しい問題インスタンスに対応して更
    新するステップとを含む方法。
  9. 【請求項９】前記事例蓄積装置は複数のノードが参照す
    る経路選択エレメントを有するデータ構造であり、そし
    て前記更新するステップは、 新しい問題インスタンスの経路選択エレメントのシーケ
    ンスに対応する、ノードが参照する経路選択エレメント
    のシーケンスについて前記事例蓄積装置を探索するステ
    ップと、 前記探索するステップで見つかったノードのシーケンス
    を改訂し、新しい問題インスタンスを組込むステップ
    と、 前記探索するステップで見つからなかった順序付けられ
    た経路選択エレメントの代わりに新しいノードが参照す
    る経路選択エレメントを組込むステップと、 前記事例蓄積装置に新しい問題インスタンスが付加され
    るまで、前記探索するステップ、更新するステップ及び
    組込むステップを反復するステップとを含む、請求項８
    に記載の方法。
  10. 【請求項１０】順序付けられた経路選択エレメントのセ
    ットとして構築される過去の問題インスタンスと新しい
    問題インスタンスとの比較に適応したプロセッサを有す
    るデータ経路選択の事例準拠知識システムであって、 過去の問題インスタンスを記憶する事例蓄積装置と、 新しい問題インスタンスに関連する全ての過去の問題イ
    ンスタンス、及び追加の新しい問題インスタンスデータ
    の入力により関連が生ずる全ての過去の問題インスタン
    スを、新しい問題インスタンスが解決されるか又は新し
    い問題インスタンスに関連する前記全ての過去の問題イ
    ンスタンスを検索し終わるまで、前記事例蓄積装置から
    反復して検索する事例検索手段と、 新しい問題インスタンスを前記事例検索手段に経路指定
    し且つ過去の問題インスタンスを前記事例検索手段から
    経路指定するユーザインタフェースとを備えるシステ
    ム。
  11. 【請求項１１】前記ユーザインタフェースは新しい問題
    インスタンスを関連するアプリケーションに経路指定し
    且つ関連するアプリケーションから新しい問題インスタ
    ンスを経路指定する、請求項１０に記載のシステム。
  12. 【請求項１２】検索された過去の問題インスタンスは新
    しい問題インスタンスの解決を含み、そして経路選択エ
    レメントは、順序付けられた３つの動作として:データ
    経路選択条件を表わす検査経路選択エレメントを説明す
    るテキスト記述、及び順序付けられた経路選択エレメン
    トのセットで次の経路選択エレメントを検索する新しい
    データベース照会を指定するように構成され、 検索した過去の問題インスタンスのテキスト記述に基づ
    いて新しい問題インスタンスの説明を作成する手段を備
    える、 請求項１０に記載のシステム。
  13. 【請求項１３】前記事例検索手段は、無効な過去の問題
    インスタンスを識別する手段を備える、請求項１０に記
    載のシステム。
  14. 【請求項１４】無効な過去の問題インスタンスを前記事
    例蓄積装置から除去する事例除去手段を更に備える、請
    求項１３に記載のシステム。
  15. 【請求項１５】前記事例蓄積装置は過去の問題インスタ
    ンスに共通の経路選択エレメントが組合わされる指定さ
    れたグラフ構造を有する、請求項１０に記載のシステ
    ム。
  16. 【請求項１６】新しい問題インスタンスに関連する前記
    全ての過去の問題インスタンスが検索されているが、ど
    れも新しい問題インスタンスの解決を含まない場合、 順序付けられた経路選択エレメントのセットを生成し、
    そして生成された順序付けられた経路選択エレメントに
    より前記事例蓄積装置を更新する事例取得手段を備え、 ユーザインタフェースは新しい問題インスタンスの経路
    選択エレメントを前記事例取得機能に経路指定するのに
    適応する、 請求項１５に記載のシステム。
  17. 【請求項１７】前記事例蓄積装置は経路選択エレメント
    を参照する複数のノードを有するデータ構造であり、そ
    して前記事例取得手段は、 前記事例蓄積装置を反復的に探索し且つ改訂し、過去の
    問題インスタンスに共通の新しい問題インスタンスの経
    路選択エレメントのシーケンスを組込む手段を備え、 新しい問題インスタンスの順序付けられた経路選択エレ
    メントのセットが前記事例蓄積装置に付加される、 請求項１６に記載のシステム。
  18. 【請求項１８】順序付けられた経路選択エレメントのセ
    ットとして構築される過去の問題インスタンスと新しい
    問題インスタンスとの比較に適応したプロセッサを有す
    るデータ経路選択の事例準拠知識システムであって、 過去の問題インスタンスを記憶する事例蓄積装置と、 新しい問題インスタンスに対応する順序付けられた経路
    選択エレメントのセットを反復的に生成し、そして生成
    された順序付けられた経路選択エレメントのセットによ
    り前記事例蓄積装置を更新する事例取得手段と、 新しい問題インスタンスの経路選択エレメントを前記事
    例取得手段に経路指定するのに適応したユーザインタフ
    ェースとを備えるシステム。
  19. 【請求項１９】前記事例蓄積装置は過去の問題インスタ
    ンスに共通の経路選択エレメントが組合わされる指定さ
    れたグラフ構造を有する、請求項１８に記載のシステ
    ム。
JP7330902A 1995-01-11 1995-12-19 事例準拠推論によるデータ経路選択タスクの方法及びシステム Pending JPH08263294A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US08/371,182 US5717835A (en) 1995-01-11 1995-01-11 Simple approach to case-based reasoning for data navigation tasks
US371182 1995-01-11

Publications (1)

Publication Number Publication Date
JPH08263294A true JPH08263294A (ja) 1996-10-11

Family

ID=23462845

Family Applications (1)

Application Number Title Priority Date Filing Date
JP7330902A Pending JPH08263294A (ja) 1995-01-11 1995-12-19 事例準拠推論によるデータ経路選択タスクの方法及びシステム

Country Status (2)

Country Link
US (1) US5717835A (ja)
JP (1) JPH08263294A (ja)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6182056B1 (en) * 1995-05-22 2001-01-30 Gte Data Services Incorporated Method of modeling complex navigational logic in a client/server environment
US5794237A (en) * 1995-11-13 1998-08-11 International Business Machines Corporation System and method for improving problem source identification in computer systems employing relevance feedback and statistical source ranking
US5884029A (en) * 1996-11-14 1999-03-16 International Business Machines Corporation User interaction with intelligent virtual objects, avatars, which interact with other avatars controlled by different users
US5822743A (en) * 1997-04-08 1998-10-13 1215627 Ontario Inc. Knowledge-based information retrieval system
US6571251B1 (en) * 1997-12-30 2003-05-27 International Business Machines Corporation Case-based reasoning system and method with a search engine that compares the input tokens with view tokens for matching cases within view
US6026393A (en) * 1998-03-31 2000-02-15 Casebank Technologies Inc. Configuration knowledge as an aid to case retrieval
US6591258B1 (en) * 1999-08-24 2003-07-08 Stream International, Inc. Method of incorporating knowledge into a knowledge base system
US6876991B1 (en) 1999-11-08 2005-04-05 Collaborative Decision Platforms, Llc. System, method and computer program product for a collaborative decision platform
US7849117B2 (en) * 2000-01-12 2010-12-07 Knowledge Sphere, Inc. Multi-term frequency analysis
AU2001296295A1 (en) * 2000-09-25 2002-04-08 Metaedge Corporation Method and system for managing event attributes
US7111010B2 (en) 2000-09-25 2006-09-19 Hon Hai Precision Industry, Ltd. Method and system for managing event attributes
US6704719B1 (en) * 2000-09-27 2004-03-09 Ncr Corporation Decision tree data structure for use in case-based reasoning
US20050038697A1 (en) * 2003-06-30 2005-02-17 Aaron Jeffrey A. Automatically facilitated marketing and provision of electronic services
US7324986B2 (en) * 2003-06-30 2008-01-29 At&T Delaware Intellectual Property, Inc. Automatically facilitated support for complex electronic services
US7237266B2 (en) * 2003-06-30 2007-06-26 At&T Intellectual Property, Inc. Electronic vulnerability and reliability assessment
US7409593B2 (en) * 2003-06-30 2008-08-05 At&T Delaware Intellectual Property, Inc. Automated diagnosis for computer networks
US10572879B1 (en) * 2005-10-03 2020-02-25 Avaya Inc. Agent driven media-agnostic work item grouping and sharing over a consult medium
US8073129B1 (en) 2005-10-03 2011-12-06 Avaya Inc. Work item relation awareness for agents during routing engine driven sub-optimal work assignments
US8116446B1 (en) 2005-10-03 2012-02-14 Avaya Inc. Agent driven work item awareness for tuning routing engine work-assignment algorithms
US7711576B1 (en) * 2005-10-05 2010-05-04 Sprint Communications Company L.P. Indeterminate outcome management in problem management in service desk
US8238541B1 (en) 2006-01-31 2012-08-07 Avaya Inc. Intent based skill-set classification for accurate, automatic determination of agent skills
US7895470B2 (en) * 2007-07-09 2011-02-22 International Business Machines Corporation Collecting and representing knowledge
US8521666B2 (en) 2007-12-11 2013-08-27 Resolvity, Inc. Case acquisition for incremental Case-Based Reasoning system
WO2010084712A1 (ja) * 2009-01-23 2010-07-29 日本電気株式会社 データ検索装置
US8560480B2 (en) * 2010-08-25 2013-10-15 Sap Ag Task-based experience reuse
WO2013096625A1 (en) * 2011-12-22 2013-06-27 Marek Tomaszewski Proximity-based electronic record query system
US11514335B2 (en) * 2016-09-26 2022-11-29 International Business Machines Corporation Root cause identification in audit data

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5010478A (en) * 1986-04-11 1991-04-23 Deran Roger L Entity-attribute value database system with inverse attribute for selectively relating two different entities
US4891766A (en) * 1987-06-15 1990-01-02 International Business Machines Corporation Editor for expert system
US4924408A (en) * 1988-08-19 1990-05-08 International Business Machines Corporation Technique for compilation of knowledge bases
US4949278A (en) * 1988-12-29 1990-08-14 International Business Machines Corporation Expert system architecture
US5224206A (en) * 1989-12-01 1993-06-29 Digital Equipment Corporation System and method for retrieving justifiably relevant cases from a case library
EP0442809B1 (en) * 1990-02-15 1995-09-20 Digital Equipment Corporation Model-based reasoning system for network fault diagnosis
EP0575473B1 (en) * 1991-03-04 2000-04-26 Inference Corporation Case-based reasoning system

Also Published As

Publication number Publication date
US5717835A (en) 1998-02-10

Similar Documents

Publication Publication Date Title
JPH08263294A (ja) 事例準拠推論によるデータ経路選択タスクの方法及びシステム
US7437703B2 (en) Enterprise multi-agent software system with services able to call multiple engines and scheduling capability
JP2693108B2 (ja) コンピュータシステム
US9652559B2 (en) Managing information assets using feedback re-enforced search and navigation
US10162892B2 (en) Identifying information assets within an enterprise using a semantic graph created using feedback re-enforced search and navigation
US8751487B2 (en) Generating a semantic graph relating information assets using feedback re-enforced search and navigation
de Campos et al. The BNR model: foundations and performance of a Bayesian network-based retrieval model
KR101229401B1 (ko) 웹페이지의 이질적 데이터 정보융합 제공시스템 및 방법
JPH05114899A (ja) ネツトワーク障害診断方式
Eisenstadt et al. Explainable distributed case-based support systems: Patterns for enhancement and validation of design recommendations
Yu et al. Automatic Web service composition driven by keyword query
US20100161671A1 (en) System and method for generating hierarchical categories from collection of related terms
US12052134B2 (en) Identification of clusters of elements causing network performance degradation or outage
CN119917674A (zh) 基于带属性多层图模型的第三方库的表示查询和推荐方法
JP4608288B2 (ja) オプションの複雑性を評価する方法、コンピュータ・ソフトウェアおよびコンピュータ・システム
Panda et al. Test scenario prioritization for object-oriented systems using UML diagram
Huang et al. Partial sorting problem on evolving data
Sidhanta et al. Adaptable sla-aware consistency tuning for quorum-replicated datastores
CN118863070B (zh) 异常信息处理方法、系统、人工智能平台、设备及介质
von Wangenheim et al. Goal-oriented and similarity-based retrieval of software engineering experienceware
Toni Automated information management via abductive logic agents
CN120975116B (zh) 基于知识图谱的智能体数据的处理方法、装置及设备
JPH05143342A (ja) 知識処理システム
Hui et al. Application of data mining techniques for improving customer services
Picard et al. Enhancing retrieval with hyperlinks: A general model based on propositional argumentation systems