JP2001117774A - 適応化機構を備えたプロダクションシステム - Google Patents

Abstract

(57)【要約】 【課題】 認識実行サイクルの実行速度を向上させ、知
識ベース構築の生産性の向上を図り得る適応化機構を備
えたプロダクションシステムを提供する。 【解決手段】 適応化機構を備えたプロダクションシス
テムにおいて、適応化対象とするルール集合と、このル
ール集合の実行順序関係をグラフ構造とし、かつ各ルー
ルのアクション結果に関する事象をグラフの頂点に対応
させたコーザルネットワーク１０を同じプロダクション
システム内に構築し、対象とするルール集合もしくはこ
れと密接に係わる他のルール集合の実行結果を情報処理
装置に入力することにより前記コーザルネットワーク１
０の推論動作を実行させ、このコーザルネットワーク１
０の各頂点の優先度情報の値を更新するとともに、この
値を対応する各ルールの条件部にフィードバックするこ
とにより、実行可能な複数のルールの中からその時点に
おいて最も優先度の高いルールの選択を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、適応化機構を備え
たプロダクションシステムに係り、特に知識ベース構築
技術として広く利用されているプロダクションシステム
のルール実行順序の適応化に関するものである。

【０００２】

【従来の技術】従来、このような分野の先行技術文献と
しては、以下に開示されるようなものがあった。

【０００３】（１）チャールズ．Ｌ．フォーギー著、中
間正人監訳、「ＯＰＳ８３オフィシャルマニュアル」、
パーソナルメディア、１９８９ （２）太原育夫、「人工知能の基礎知識」、近代科学社 （３）Ｐｅａｒｌ，Ｊ．、「Ｐｒｏｂａｌｉｓｔｉｃ
Ｒｅａｓｏｎｉｎｇｉｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓ
ｙｓｔｅｍｓ：Ｎｅｔｗｏｒｋｓ ｏｆ Ｐｌａｕｓｉ
ｂｌｅ Ｉｎｆｅｒｅｎｃｅ」、Ｍｏｒｇａｎ Ｋａｕ
ｆｍａｎ，１９８８ （４）Ｎｅｏｐｏｌｉｔａｎ，Ｒ．Ｅ．「Ｐｒｏｂａｌ
ｉｓｔｉｃ Ｒｅａｓｏｎｉｎｇ ｉｎ Ｅｘｐｅｒｔ
Ｓｙｓｔｅｍ：Ｔｈｅｏｒｙ ａｎｄ Ａｌｇｏｒｉ
ｔｈｍｓ」、Ｗｉｌｅｙ，１９９０ 図１１は本発明が係わるプロダクションシステムの動作
を説明する模式図、図１２は後述する図７〜図９で説明
するＣａｕｓａｌ ｎｅｔｗｏｒｋによる適応化のため
の処理と等価な、従来のプロダクションシステムによる
処理の例を示す図である。

【０００４】ここで、病気診断、教育支援等、対象とす
る問題を解決するための知識は、ＩＦ条件（コンディシ
ョンズ）−Ｔｈｅｎ行動（アクションズ）の形式の部分
知識（以後、これをルールと記す）の集合により記述さ
れプロダクション記憶（ＰＭ）１に置かれる。ルールは
知識表現の単位であると同時に実行単位である。

【０００５】一方、ルールの実行可否を決めるルールの
条件部（ｃｏｎｄｉｔｉｏｎｓ）で参照する事実デー
タ、状態データは作業記憶〔Ｗｏｒｋｉｎｇ Ｍｅｍｏ
ｒｙ（ＷＭ）〕３に置かれる。以後、この事実データ、
状態データの単位をエレメントと記す。ルールの実行は
認識実行サイクル（ｒｅｃｏｇｎｉｔｉｏｎ−ａｃｔｉ
ｏｎ ｃｙｃｌｅ）と呼ばれる以下の手順で行われる
〔上記先行技術文献（２）参照〕。

【０００６】（１）まず、プロダクション記憶（ＰＭ）
１に置かれた各ルールの条件部と作業記憶（ＷＭ）３中
のエレメントとの照合が行われ、条件を満足するルー
ルとルールの条件部に一致するエレメントの組み合わせ
が選ばれる。このルールとエレメントの組み合わせをイ
ンスタンシエーション（具体化）と呼ぶ。

【０００７】（２）次に、競合解消を行う。照合で
は一般に複数のインスタンシエーション（競合集合２）
が選ばれる。しかしながら、その際、一時に一つのイン
スタンシエーションを実行するため、複数の候補から一
定の優先順位付け戦略（競合解消戦略と呼ばれる）を行
うことにより、１つのインスタンシエーションが選ばれ
る。

【０００８】（３）次いで、選択されたインスタンシエ
ーションのルールの行動部（ａｃｔｉｏｎｓ）に指定さ
れた動作が実行される。通常、これにより、作業記憶
（ＷＭ）３中に新規エレメントの生成、既存のエレメン
トの削除、修正が行われる。

【０００９】上記の照合から実行を反復実行するこ
とにより推論動作が進行する。

【００１０】このプロダクションシステムは、断片的知
識をルールにより記述し、これらを集積することによ
り、対象とする知識全体を構築するというアプローチを
とるため、アルゴリズムとして記述することが困難な複
雑な問題の知識表現に適しており、これまで多くのエキ
スパートシステムの実現に利用されている。

【００１１】一方、教育支援システムのように、学習者
の知識レベルや理解の程度に合わせて柔軟に支援内容を
変えること（このような処理を適応化と呼ぶ）が要求さ
れる応用では、どのような適応化のバリエーションを用
意すべきかを事前にすべて洗い出した上で、どのような
条件の時にどのルールを実行するかをはっきり間違いな
く記述することが必要である。

【００１２】しかしながら、これはプログラマに対して
大きな負担を与えることになるとともに、記述の誤りや
抜けが発生しやすい。また知識ベースの運用を通じた変
更・修正作業を行う場合は、システムを一時停止してこ
れらを行うため、一般に修正・変更が簡単にできない。

【００１３】さらに、適応化技術に関しては、これまで
対象とする問題ごとに個別に実現をはかる「アドホック
（ａｄ ｈｏｃ）」的なアプローチが採られてきたた
め、共通の技術基盤に欠けるという問題があり、１つの
アプリケーションで使用した設計方法や設計結果（プロ
グラム）を他のアプリケーションで活用することが極め
て難しい状況にあるといった問題があった。

【００１４】従来のプロダクションシステムによる適応
化処理は、以下に示すようなものであった。

【００１５】図１２におけるＰｒｏｃ１，Ｐｒｏｃ２，
Ｐｒｏｃ３，Ｐｒｏｃ４はコーザルネットワークによる
推論動作に対応する事前処理であり、これらの手順はｉ
ｆ−ｔｈｅｎルールにより構成される。この事前処理に
は基礎となる理論的基盤が与えられていないため、ある
問題の設計方法や作成されたプログラム等を他の問題に
適用するいわゆる成果の流用が一般に極めて困難であ
り、問題ごとにその都度設計することになる。

【００１６】図１３はプロダクションシステムの実行原
理（認識実行サイクル）を、現在主流となっている汎用
計算機すなわち蓄積プログラム型計算機上で実現する直
接的な方法の例を示す図である。

【００１７】蓄積プログラム型計算機の特徴は番地付け
されたメモリ上に領域を分けてプログラムとデータを混
在して格納し、実行あるいは利用することにある。この
場合もこの考え方を基本としている。

【００１８】図１１に示したプロダクション記憶１のプ
ロダクションルール、ワーキングメモリ（ＷＭ）３のエ
レメント、競合集合２、競合解消により実行されるイ
ンスタンシエーションは、図１３においてそれぞれメモ
リのプロダクションルール領域５Ａ、ワーキングメモリ
エレメント領域５Ｆ、競合集合領域５Ｂ、実行インスタ
ンシエーション領域５Ｃに置かれる。

【００１９】また、図１３の競合解消戦略領域５Ｄには
競合集合中より実行に移されるインスタンシエーション
〔プロダクションルール（以後、ルールと記す）と、そ
のルールの条件部で参照するＷＭ３のエレメントの組〕
を選択する知識が格納され、制御プログラム領域５Ｅに
は認識実行サイクルの各ステージの動作を制御するＣＰ
Ｕプログラムが格納される。

【００２０】以下、認識実行サイクルの動作を図１３を
参照しながら説明する。

【００２１】ＣＰＵ（中央処理装置）４はワーキングメ
モリエレメント領域５Ｆに存在するＷＭエレメント群
（Ｃ１，Ｃ２，Ｃ４）とプロダクションルール領域５Ａ
のルール群とをつき合わせ、条件部を満足するルール
と、そのルールの条件部で参照するＷＭエレメントの組
（インスタンシエーション）を取り出しそれらを競合集
合領域５Ｂに置く。

【００２２】次に、ＣＰＵ４は競合解消戦略領域５Ｄか
ら与えられた競合解消戦略知識により、その時点で最も
優先順位の高いインスタンシエーションを競合集合中よ
り選びそれを実行インスタンシエーション領域５Ｃに置
く。

【００２３】最後に、ＣＰＵ４は実行インスタンシエー
ション領域５Ｃ中のルール行動部で指定された動作を実
行する。このルール行動部で指定される動作により、ワ
ーキングメモリエレメント領域５Ｆ中の新しいＷＭエレ
メントの生成、既存のＷＭエレメントの修正・削除、お
よび入出力装置６、ファイル記憶装置７とメモリの間の
データ転送を行う。

【００２４】以上が認識実行サイクルの１サイクルの動
作であり、これが図１１で説明したように反復実行され
ることにより一定の推論動作が実行される。

【００２５】

【発明が解決しようとする課題】しかしながら、上記し
たように、従来の方法では、知識の適応化は、図１２の
事前処理のアルゴリズムの変更を意味する。つまり、図
１２の例では、Ｐｒｏｃ３，Ｐｒｏｃ４の処理内容を変
更することになるが、最適な変更を如何に行うかの理論
的基盤が与えられていないため、変更作業は必然、アド
ホック的なものとなる。すなわち、試行錯誤により妥当
な優先順位決定アルゴリズムを決めることになり、これ
は迅速なシステムの適応化を困難なものにする。

【００２６】更に、アルゴリズムの変更はルールベース
プログラムの変更作業を伴うため、オフラインで行うデ
バッグ作業等、システムの保守性の面でも問題が生じ
る。

【００２７】このように、上記従来のプロダクションシ
ステムを使用して教育支援システム等ユーザの特性に合
わせてサービス内容を柔軟に変える適応化機能の実現を
図る場合、ユーザに関し、考慮すべき条件を全て洗い出
し、どの条件の時にどのルールを実行するかをはっきり
間違いなく記述することが要求され、これは設計者に多
大な負担を与えるとともに、誤りも発生しやすい。ま
た、運用を通じた知識ベースの変更・修正作業も一般に
困難なものとなる。

【００２８】本発明は、上記問題点を解決するために、
対象とする知識ベースの各ルールのアクションの優先度
を左右する情報を生成する機構を当該知識ベースとは別
に設け、対象とする知識ベースの各ルールでは、当該情
報を単に参照するのみで、実行可能な複数の候補ルール
中、最も優先度の高いルールを自動的に選択する仕組み
を実現し、認識実行サイクルの実行速度を向上させ、知
識ベース構築の生産性の向上を図り得る適応化機構を備
えたプロダクションシステムを提供することを目的とす
る。

【００２９】

【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、適応化機構を備えたプロダクションシス
テムにおいて、適応化対象とするルール集合とこのルー
ル集合の実行順序関係をグラフ構造とし、かつ各ルール
のアクション結果に関する事象をグラフの頂点に対応さ
せたコーザルネットワークを同じプロダクションシステ
ム内に構築し、対象とするルール集合もしくはこれと密
接に係わる他のルール集合の実行結果を情報処理装置に
入力することにより前記コーザルネットワークの推論動
作を実行させ、このコーザルネットワークの各頂点の優
先度情報の値を更新するとともに、この値を対応する各
ルールの条件部にフィードバックすることにより、実行
可能な複数のルールの中からその時点において最も優先
度の高いルールの選択を行うことを特徴とする。

【００３０】

【発明の実施の形態】以下、本発明の実施の形態につい
て説明する。

【００３１】まず、本発明の基本概念を以下に説明す
る。

【００３２】知識ベースを構成するルール集合のルール
間の実行順序関係（因果関係）の全体は一つの有向グラ
フにより表現される。

【００３３】ここでルール実行の適応化とは、当該有向
グラフにおいて、ある頂点に連なる因果関係のある複数
の子頂点群から、その状況に最も適合した子頂点を選択
する動作を定義することである。

【００３４】そこで対象とするルール集合に対してルー
ル実行順序関係を表す上記の有向グラフを生成し、各頂
点に対応するルールで実行するアクションの結果を表す
事象を対応させ、その事象の取り得る各々の値について
それが起こる「確からしさ」を表す情報（以後、優先度
情報と記す）を持たせるとともに、その優先度情報の変
化がグラフ上因果関係のある他の頂点の優先度情報の変
化に理にかなった影響を与えることができれば、この優
先度情報を対応するルールにフィードバックすることに
より、プロダクションシステムに具備されている認識実
行サイクル中の競合解消ステージにおいて当該優先度情
報を使用して複数の候補ルール中からその時点で最も望
ましいルールを選択することが可能になる。

【００３５】このことが実現できれば、各ルールの条件
部においては、原則として実行順序関係上の親ルールが
その時点で実行済みであることと上記のフィードバック
情報のみを記述すればよいので、ルール記述が規則化・
簡略化されルール全体の設計が容易になる。

【００３６】以上述べた機能を備えた優先度情報生成の
ための有向グラフはコーザルネットワーク（Ｃａｕｓａ
ｌ Ｎｅｔｗｏｒｋ）と呼ばれる確率的推論ネットワー
クの性質を満足するように構成できるものであり、本発
明は当該技術を利用して対象とする知識ベースのルール
実行に関する適応化を行う機構を実現するものである。

【００３７】図１はコーザルネットワークを用いた適応
化方法の概念を説明するブロック図である。

【００３８】図１において、９は対象とする知識ベース
（以後、対象知識ベースと記す）、１０はコーザルネッ
トワーク、１１は作業記憶（ＷＭ）、１２は対象知識ベ
ースのエレメント群、１３は対象知識ベースのルール群
（ルールセットＳ１）、１５はルール群１３を適応化す
るための情報を生成するコーザルネットワーク（以下、
ＣＮと略記する）の各頂点を表すエレメント群、１６は
当該ＣＮの推論動作（ＣＮの各頂点の状態推移動作）を
実行するルール群（ルールセットＳ２）である。

【００３９】また、１４はルール群１６への適応化処理
のための入力エレメント群であり、ルール群１３もしく
はこれと密接な関係にある他のルール群により作成され
る。１７はルール群１６への適応化のためのデータ入
力、１８はＣＮから対象とするルール群１３への適応化
情報のフィードバックを表す。

【００４０】エレメント群１５のＣＮ構造は適応化対象
であるルール群１３の実行順序関係を表し、ルール群１
３の各ルールのアクション結果に関する事象が、エレメ
ント群１５の頂点（エレメント）に対応している。な
お、エレメント群１５の各頂点に与える初期値はその頂
点の因果関係に関する条件付確率、すなわち親頂点があ
る値をとるときに、その子頂点がある値をとる確率〔Ｐ
（Ｒｊ｜ｃ（Ｒｊ）：ｃ（Ｒｊ）は頂点Ｒｊの親頂点集
合〕である。

【００４１】これは一般にエキスパートの経験的知識や
対象知識ベース９の運用から得た統計情報に基づき設定
される。ルール群１６の推論動作は、例えば上記先行技
術文献（３），（４）に開示されている方法により実現
できる。

【００４２】図１におけるルール群１６による推論動作
とは、簡単に言うと、入力エレメント群１４により明ら
かになったエレメント群１５中の特定のエレメントの値
の具体化と、これに基づく当該エレメント１５内の状態
情報の更新、ならびにその更新の影響を受けるＣＮ中の
他のエレメントの状態情報の順次更新である。

【００４３】図２はＣＮ中の各エレメントの状態情報の
仕様例を示す図であり、現在条件付確率（ｃｕｒｒｅｎ
ｔ ｃｏｎｄｉｔｉｏｎａｌ ｐｒｏｂａｂｉｌｉｔ
ｙ）ＰＲが当該エレメントの優位性、緊急性を示す優先
度情報であり、これが対象知識ベースにフィードバック
される。

【００４４】図３は値が具体化したエレメントの状態情
報の更新のためのルール群の構成例を示す図である。

【００４５】この図３において、ルールＲ１，Ｒ２，Ｒ
３，Ｒ４は、 Ｒ１：ＩＦ（エレメントＢがｂj にインスタンシエートされている） ＴＨＥＮ〔Ｐ（ｂj ）＝１ ａｎｄ Ｐ（ｂi ）＝０ ｆｏｒ ｉ≠j 〕 Ｒ２：ＩＦ（エレメントＢがｂj にインスタンシエートされている） ＴＨＥＮ〔λ（ｂj ）＝１ ａｎｄ λ（ｂi ）＝０ ｆｏｒ ｉ≠j 〕 Ｒ３：ＩＦ（エレメントＢがｂj にインスタンシエートされている） ＴＨＥＮ〔λＢ（ａj ）＝Σ^k _i=1 Ｐ（ｂｉ｜ａj ）λ（ｂi ）〕 Ｒ４：ＩＦ（エレメントＢがｂj にインスタンシエートされ、かつルールＲ１ が実効済み） ＴＨＥＮ〔πｃ（ｂj ）＝１ ａｎｄ πｃ（ｂi ）＝０ ｆｏｒ ｉ≠ j 〕である。

【００４６】図４はフィードバックの具体的な実現方法
を示す図である。

【００４７】この図において、１３−１、１３−２は適
応化対象であるルール群１３の一部、１５は図１に示し
たＣＮのエレメント群である。適応化対象となるルール
はその条件部でＣＮ中の対応するエレメントを参照す
る。こうすることにより図１１に示した認識実行サイク
ルの競合解消ステージにおいてＣＮエレメントの優先度
情報（現在条件付確率ＰＲ）を反映した候補ルールの選
択、すなわちルールの適応化が可能になる。これを実現
するための具体的な方法は、上記した先行技術文献
（１）を参照されたい。

【００４８】図５は本発明に係る競合解消フローチャー
トである。

【００４９】この図に従って競合解消戦略について説明
する。

【００５０】（１）これまで実行したことのないルール
とエレメントの組み合わせのインスタンシエーションを
選ぶ（ステップＳ１）。

【００５１】（２）そのインスタンシエーションが存在
するか否かを判断する（ステップＳ２）。存在しない場
合は、終了条件を検出し（ステップＳ１３）、終了す
る。

【００５２】（３）ステップＳ２においてＹＥＳの場合
は、最も高いルール優先度を持つインスタンシエーショ
ンを選ぶ（ステップＳ３）。

【００５３】（４）そのインスタンシエーションが複数
存在するか否かを判断する（ステップＳ４）。

【００５４】（５）複数存在する場合、条件部の第一パ
ターン（最初の条件）が最も最近生成されたエレメント
と照合するインスタンシエーションを選ぶ（ステップＳ
５）。

【００５５】（６）そのインスタンシエーションが複数
存在するか否かを判断する（ステップＳ６）。

【００５６】（７）複数存在する場合、照合のとれたＣ
Ｎエレメントの現在条件確率の値が最も大きなインスタ
ンシエーションを選ぶ（ステップＳ７）。

【００５７】（８）そのインスタンシエーションが複数
存在するか否かを判断する（ステップＳ８）。

【００５８】（９）複数存在する場合、ルールの条件部
が最も複雑な（パターンの数が多い）インスタンシエー
ションを選ぶ（ステップＳ９）。

【００５９】（１０）そのインスタンシエーションが複
数存在するか否かを判断する（ステップＳ１０）。

【００６０】（１１）複数存在する場合、任意に選択す
る（ステップＳ１１）。

【００６１】（１２）次に、インスタンシエーションの
確定を行う（ステップＳ１２）。

【００６２】なお、ステップＳ４、ステップＳ６、ステ
ップＳ８、ステップＳ１０において、複数存在しない場
合は、その時点でインスタンシエーションの確定を行う
（ステップＳ１２）。

【００６３】上記のステップＳ７がＣＮのエレメント群
１５からルール群１３へフィードバックされた情報を利
用した選択処理を示している。本実施例では優先度情報
の値の大きなルールを優先するアルゴリズムを示してい
るが、例えば、直前の値からの増加率が最も大きなもの
を優先するなどのアルゴリズムを使用することもでき
る。

【００６４】次に、本発明の実施例の具体的作用を、
「レベルテストを実施し、その結果を学習者の指導戦略
に反映させる」という教育支援（計算機基礎技術の学習
支援の例）の例を用いて説明する。

【００６５】図６は本発明の実施例の対象知識ベースの
ルールの実行順序関係を表すＣＮ構造を示す図である。
コンサルティング型のシステムでは、このような階層構
造のグラフとなることが多い。

【００６６】ここで、頂点Ｂ，Ｈ，Ｓはそれぞれ「２進
法による演算」、「ＣＰＵの機能」、「主記憶の機能」
の各カテゴリの解説を実行した結果の事象を表し、それ
ぞれ「理解している」か「理解していない」かのいずれ
かの値をとるものとする。

【００６７】また、Ｐ１〜Ｐ６までは各カテゴリに属す
る演習問題パターンを実行した結果、それぞれ「理解し
ている」か「理解していない」かのいずれかの値をとる
ものとする。

【００６８】今、対象知識ベースとは別に用意された知
識ベースによるレベルテストを実行した結果、パターン
Ｐ１に属する演習問題のみが不正解であったとする。

【００６９】図１のルール群１６はこの結果を入力し、
エレメントＰ１の値をＰ１２（図６）にインスタンシエ
ート（具体化）するとともに、図２に示した当該エレメ
ントの状態情報を更新する。

【００７０】次に、ルール群１６はＰ１の状態変化をＰ
１の親Ｂに伝搬し、その親Ｂの状態情報を更新する。ル
ール群１６は親Ｂの状態変化を親Ｂの親Ｔと親Ｂの子Ｐ
２に伝え、親Ｂの親Ｔと親Ｂの子Ｐ２の状態情報を更新
する。

【００７１】さらに、ルール群１６は親Ｂの親Ｔの状態
変化を親Ｂの親Ｔの子Ｈ，Ｓに伝え、子Ｈ，Ｓの状態情
報を更新する。

【００７２】以下、同様にして、子Ｐ３から子Ｐ６まで
のエレメントの状態情報を順次更新する。なお、これら
の伝搬規則と状態情報の更新規則に関しては、上記した
先行技術文献を参照されたい。

【００７３】以上の伝搬動作（推論動作）が終了した結
果、親Ｂを「理解していない」ことに関する現在条件付
確率の値がＨ，Ｓのそれより大となる。従って、図４に
示したように、Ｂ，Ｈ，Ｓの現在条件付確率の値がそれ
ぞれ対象知識ベース中の対応するルールの条件部にフィ
ードバックされているので、例えば実行すべきルールの
候補がＢ，Ｈ，Ｓに対応する３つのルールであるとき、
図５に示した競合解消戦略により、この場合最も望まし
いＢに対応するルールが選ばれることになる。

【００７４】以上、コーザルネットワークによる推論動
作の原理について説明したが、以下教育支援システムの
具体例を取り上げ、本発明の適応化動作を説明する。

【００７５】教育支援システムとして情報処理技術者試
験の受験対策支援システムの簡略版を取り上げる。当該
システムではある技術トピックについて解説を行い、次
にそれに関連する演習問題を実施するという処理が単位
となって繰り返される構造をもつ。

【００７６】上記の受験対策支援システムをプロダクシ
ョンシステムにより構築する場合、そのルール集合の実
行順序関係に基づき作成されるコーザルネットワークの
構造は図７のような木構造となる。図７においてＲは解
説の種類を選択するルールに対応するエレメント、Ｃ_i
は解説を実行するルールに対応するエレメント、Ｐ_ijは
演習問題を実行するルールに対応するエレメントであ
る。

【００７７】Ｒの状態はｒ₁ ，ｒ₂ ，ｒ₃ であり、ｒ_i
はＣ_i を選ぶべきことを表す。Ｃ_iの状態はｃ_i1、ｃ_i2
であり、ｃ_i1はＣ_i を理解していることを表し、ｃ_i2は
Ｃ_iを理解していないことを表す。

【００７８】Ｐ_ijの状態は、ｐ_ij,1，ｐ_ij,2であり、ｐ
_ij,1はＰ_ijを理解していることを表し、ｐ_ij,2はＰ_ijを
理解していないことを表す。

【００７９】（１）適応化のケース１ （ａ）初期値の設定 図７のグラフの各エレメントに初期値（親エレメントの
状態を与えたときの子エレメントの状態の条件付確率）
を以下のように与える。

【００８０】 Ｐ（ｒ_k ）＝１／３＝０．３３ ｆｏｒ ｋ＝１，２，３ Ｐ（ｃ_i1｜ｒ_k ）＝０．３ ｆｏｒ ｉ＝ｋ ＝０．７ ｆｏｒ ｉ≠ｋ Ｐ（ｃ_i2｜ｒ_k ）＝０．７ ｆｏｒ ｉ＝ｋ ＝０．３ ｆｏｒ ｉ≠ｋ Ｐ（ｐ_ij,1｜ｃ_i1）＝０．７ Ｐ（ｐ_ij,2｜ｃ_i1）＝０．３ Ｐ（ｐ_ij,1｜ｃ_i2）＝０．１ Ｐ（ｐ_ij,2｜ｃ_i2）＝０．９ （ｂ）最適な実行経路の選択 レベルテストの結果、問題Ｐ₁₁，Ｐ₁₂，Ｐ₂₂に関するテ
ストが正解、問題Ｐ₂₁，Ｐ₃₁，Ｐ₃₂に関するテストが不
正解であったとする。図７においてこれらに対応するエ
レメントがインタンシエートされ、それぞれについて図
６で説明した状態遷移動作（推論動作）が実行される
と、最終的に図７の各エレメントの優先度情報〔各エレ
メントの状態に関する現在条件付確率（ｃｕｒｒｅｎｔ
ｃｏｎｄｉｔｉｏｎａｌ ｐｒｏｂａｂｉｌｉｔ
ｙ）〕の値は図８のようになる。

【００８１】これより解説Ｃ₁ ，Ｃ₂ ，Ｃ₃ 中、Ｃ₃ の
優先度〔Ｃ₃ を理解していない確率Ｐ′（ｃ₃₂）〕の値
が最も大となるため、もしＣ₁ ，Ｃ₂ ，Ｃ₃ を実行する
ルールが競合するときは、本発明の原理で説明したよう
に（図４、図５）、この場合最も適切なＣ₃ を実行する
ルールが選ばれることになる。また演習問題について
は、Ｐ₃₁，Ｐ₃₂ともに同じ優先度の値であるため、どち
らかを任意に選ぶことになる。

【００８２】以上述べたコーザルネットワークによる推
論動作は、ネットワークトポロジー（木構造、単一連
結、等）により適用される推論アルゴリズムが異なる
が、対象とする問題に依存しない汎用的な手法である。

【００８３】（２）適応化のケース２ （ａ）初期値の設定 一方コーザルネットワークは運用結果による推論知識の
変更（いわゆる学習）が容易である。すなわち、ネット
ワークの構造やネットワークの状態遷移の手順を全く変
えずに、システムの運用より得られた統計データに基づ
き推論知識を変更できる。すなわち各エレメントのパラ
メータ値（条件付確率の値）をより適切なものにコーザ
ルネットワークの初期値設定時にオンラインで更新する
ことにより推論知識の適応化を実現できる。

【００８４】例えば、図８のＣ₁ に関して以下のような
変更を容易に行うことができる。これはトピックＣ₁ に
関する問題が他のトピックに関する問題より易しいとい
う運用結果によりコーザルネットワークの推論知識を適
応化したことになる。

【００８５】 Ｐ（ｐ_1j,1｜ｃ₁₁）＝０．８ Ｐ（ｐ_1j,2｜ｃ₁₁）＝０．２ Ｐ（ｐ_1j,1｜ｃ₁₂）＝０．２ Ｐ（ｐ_1j,2｜ｃ₁₂）＝０．８ （ｂ）最適な実行経路の選択 レベルテストの結果、問題Ｐ₁₁，Ｐ₂₁，Ｐ₂₂，Ｐ₃₁のレ
ベルテストが正解で、問題Ｐ₁₂，Ｐ₃₂のレベルテストが
不正解であったとする。図７においてこれらに対応する
エレメントがインスタンシエートされ、それぞれについ
て図６で説明した状態遷移動作（推論動作）が実行され
ると、最終的に図７の各エレメントの優先度情報の値は
図９のようになる。

【００８６】すなわち、Ｃ₁ ，Ｃ₃ ともに関連する演習
問題に誤答が１個あったが、解説Ｃ ₁ ，Ｃ₂ ，Ｃ₃ 中、
Ｃ₁ の優先度〔Ｃ₁ を理解していない確率Ｐ′
（ｃ₁₂）〕の値が最も大となるため、もしＣ₁ ，Ｃ₂ ，
Ｃ₃ を実行するルールが競合するときは、この場合最も
適当と思われるＣ₁ を実行するルールが選ばれることに
なる。

【００８７】これは易しい問題の間違いほど、より理解
していない、と判断する人間の直感と矛盾しない。また
演習問題Ｐ₁₁，Ｐ₁₂についてはＰ₁₂の優先度が大である
ため、Ｐ₁₂が実行されることになる。

【００８８】以上述べた動作は、図１においてルールセ
ット１６がＷＭエレメント群１５に対して行う動作であ
るが、これを蓄積プログラム型計算機上で実施する具体
的な方法を図１０に示す。

【００８９】なお、図１３において、照合動作すなわち
ルール群とＷＭエレメント群をつき合わせて、条件部を
満足するルール群を選ぶ動作の処理量は、ルールの個数
とＷＭエレメントの個数の積に比例して増加する。この
ためルール数、ＷＭエレメント数が多くなるとこの照合
動作が認識実行サイクルの実行速度低下の原因となるの
で、図１０に示すＲｅｔｅネットワークが必要になる。

【００９０】ここでは、代表的な方法であるＲｅｔｅア
ルゴリズムを使った方法を示す。図の煩雑さを避けるた
め図１０には着目する照合動作に関係する部分のみを示
している。

【００９１】以下に、Ｒｅｔｅアルゴリズムを使用した
動作の概要を示す。

【００９２】まず、各ルールの条件部の記述を基に、Ｃ
ＰＵ４は対象とするプロダクションルール領域５Ａに記
憶されているプロダクションルール群から、“Ｒｅｔｅ
ネットワーク”８と呼ばれる実行可能なルールを検出す
るネットワークを生成しメモリ上に置く。このＲｅｔｅ
ネットワーク８には２種類の検出ノードが存在する。１
つは１入力ノードで、これはＷＭエレメント領域５Ｆに
記憶されているＷＭエレメントの特定の条件が存在する
か否かのみを検出するものである。

【００９３】もう１つのノードは２入力ノードで、これ
は特定の２つの１入力ノードの条件（ＡＮＤ条件）が成
立するか否かを検出する。図１０に示すＲｅｔｅネット
ワーク８はこの図のプロダクションルール群から生成さ
れたものである。

【００９４】照合動作はこのＲｅｔｅネットワーク８と
ワーキングメモリの内容を用いて行われる。すなわち、
認識実行サイクルの最初において、ワーキングメモリの
内容の変化分（前回の照合動作以後に生成、削除、およ
び修正されＷＭエレメント）のみが選ばれ、逐次当該Ｒ
ｅｔｅネットワーク８に入力され、その内容に関して１
入力ノードと２入力ノードにおいて条件が判定される。
この動作を、最後のＷＭエレメントに至るまで繰り返す
と、その時のＷＭエレメントの内容に対して条件部を満
足するルール群が検出される。

【００９５】以上述べた各ノードにおける条件判定処理
はＣＰＵ４が行い、Ｒｅｔｅネットワーク８上の各ノー
ドに条件が検出されたか否かの状態が記憶される。

【００９６】上述したＷＭエレメント変化分に関するＲ
ｅｔｅネットワーク８の処理が終わると、ＣＰＵ４は当
該Ｒｅｔｅネットワーク８により検出されたルールと、
そのルールの条件部で参照するＷＭエレメントの組を実
行可能なインスタンシエーションとして、競合集合領域
５Ｂの競合集合に登録する。

【００９７】以上述べたＲｅｔｅネットワーク８を用い
た照合動作において、認識実行サイクルの最初のサイク
ルにおいては、ＷＭエレメント領域５Ｆに存在する全て
のＷＭエレメントがＲｅｔｅネットワーク８に入力され
ることになるが、２回目以降のサイクルにおいては、変
化分として入力されるＷＭエレメントの数が通常少ない
ため、上述した方法により照合動作が効率良く行われる
ことになる。

【００９８】上記したように、本発明によれば、知識ベ
ースの各ルールの条件部の記述が単純化・規則化される
ため、適応化機能を含む複雑な知識ベースを従来に比べ
格段に容易に設計できるようになる。

【００９９】また、本発明は、雑多なレベルの対象者に
対する有効なシステムを構成するのには有効な方法であ
り、今後電子的な教育支援や電子案内などの支援システ
ム（エキスパートシステム）の普及のタイミングにあわ
せて実用化が進むと思われる。

【０１００】そして、本発明が適用できる製品名として
は、教育支援システム、デザイン支援システムなど、ユ
ーザの特性、嗜好をオンラインで評価しつつ、提供する
サービスの内容をユーザに合わせてカスタム化するコン
サルティング型のエキスパートシステムとして好適であ
る。

【０１０１】なお、本発明は上記実施例に限定されるも
のではなく、本発明の趣旨に基づいて種々の変形が可能
であり、これらを本発明の範囲から排除するものではな
い。

【０１０２】

【発明の効果】以上、詳細に説明したように、本発明に
よれば、以下のような効果を奏することができる。

【０１０３】（Ａ）ユーザの状況に応じて柔軟にサービ
ス内容を変える適応化機能を備えたルール集合を、従来
の方法と比べて格段に容易に実現することができる。

【０１０４】（Ｂ）対象者の要請や支援内容への応答の
結果を使いシステムの優先度を自動的に修正するもので
あり（適応化機構を有する）、多数の対象者のいろいろ
な要請にフレキシブルに対応できることができる。

【図面の簡単な説明】

【図１】本発明の実施例を示すコーザルネットワークの
ブロック図である。

【図２】本発明の実施例を示すコーザルネットワークの
各エレメントが保持する情報の仕様例を示す図である。

【図３】本発明の実施例を示すコーザルネットワークの
推論動作を実行するルールの構成例を示す図である。

【図４】本発明の実施例を示すコーザルネットワークか
ら適応化対象とするルールへの優先度情報のフィードバ
ックの具体的な実現方法の説明図である。

【図５】本発明の実施例を示す認識実行サイクルにおい
てコーザルネットワークからのフィードバック情報を利
用し候補ルールを選択する競合解消フローチャートであ
る。

【図６】本発明の実施例を示す適応化動作を説明するた
めの教育支援用知識ベースの例より導かれるコーザルネ
ットワーク構造を示す図である。

【図７】本発明の実施例を示すルール集合に関する実行
順序関係を示す図（その１）である。

【図８】本発明の実施例を示すルール集合に関する実行
順序関係を示す図（その２）である。

【図９】本発明の実施例を示すルール集合に関する実行
順序関係を示す図（その３）である。

【図１０】本発明の実施例を示すプロダクションシステ
ムの実行原理を蓄積プログラム型計算機上で実現する直
接的な方法の説明図である。

【図１１】本発明が係わるプロダクションシステムの動
作を説明する模式図である。

【図１２】コーザルネットワークによる適応化のための
処理と等価な、従来のプロダクションシステムによる処
理の例を示す図である。

【図１３】プロダクションシステムの実行原理を、蓄積
プログラム型計算機上で実現する直接的な方法の説明図
である。

【符号の説明】

１ プロダクション記憶（ＰＭ） ２ 競合集合 ３，１１ 作業記憶（ＷＭ） ４ ＣＰＵ ５Ａ プロダクションルール領域 ５Ｂ 競合集合領域 ５Ｃ 実行インスタンシエーション領域 ５Ｄ 競合解消戦略領域 ５Ｅ 制御プログラム領域 ５Ｆ ワーキングメモリエレメント領域 ６ 入出力装置 ７ ファイル記憶装置 ８ Ｒｅｔｅネットワーク ９ 対象知識ベース １０ コーザルネットワーク １２ 対象知識ベースのエレメント群 １３ 対象知識ベースのルール群 １４ ルール群１６への適応化処理のための入力エレ
メント群 １５ コーザルネットワークの各頂点を表すエレメン
ト群 １６ コーザルネットワークの推論動作を実行するル
ール群 １７ ルール群１６への適応化のためのデータ入力 １８ 適応化情報のフィードバック

Claims (1)

【特許請求の範囲】
1. 【請求項１】 適応化対象とするルール集合と該ルール
   集合の実行順序関係をグラフ構造とし、かつ各ルールの
   アクション結果に関する事象をグラフの頂点に対応させ
   たコーザルネットワークを同じプロダクションシステム
   内に構築し、対象とするルール集合もしくはこれと密接
   に係わる他のルール集合の実行結果を情報処理装置に入
   力することにより前記コーザルネットワークの推論動作
   を実行させ、該コーザルネットワークの各頂点の優先度
   情報の値を更新するとともに、この値を対応する各ルー
   ルの条件部にフィードバックすることにより、実行可能
   な複数のルールの中からその時点において最も優先度の
   高いルールの選択を行うことを特徴とする適応化機構を
   備えたプロダクションシステム。