JP6721036B2 - 推論システム、推論方法、及び、プログラム - Google Patents
推論システム、推論方法、及び、プログラム Download PDFInfo
- Publication number
- JP6721036B2 JP6721036B2 JP2018505870A JP2018505870A JP6721036B2 JP 6721036 B2 JP6721036 B2 JP 6721036B2 JP 2018505870 A JP2018505870 A JP 2018505870A JP 2018505870 A JP2018505870 A JP 2018505870A JP 6721036 B2 JP6721036 B2 JP 6721036B2
- Authority
- JP
- Japan
- Prior art keywords
- rule
- rule set
- inference
- probability
- rules
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/24765—Rule-based classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
例1:想定していたルールの影響が小さい。
例2:当然あるだろうと思っていたルールがない。
例3:想定外のルールの影響が大きい。
ユーザは、上記のような考察を基に、例えば、「推論システムで用いるルールに必要なルールが足りているか」又は「(重みがある場合は)ルールの重みが適切か」などを検討できる。そして、ユーザは、そのような検討を基に、推論システムへのルールの追加及び削除、又は、重みの再設定などの要否を判断できる。
(1)重みが正のルールが成立すると、成立しない場合より、世界の確率は、高くなる。この場合、絶対値が大きいルールが成立すると、絶対値が小さいルールが成立した場合より、世界の確率は、より高くなる。
(2)重みが負のルールが成立すると、成立しない場合より、世界の確率は、低くなる。この場合、絶対値が大きいルールが成立すると、絶対値が小さいルールが成立した場合より、世界の確率は、より低くなる。
(3)重みが0のルールは、成立しても、不成立でも、世界の確率には、影響しない。
以下の説明に用いる記号を説明する。
DL(L’,O,Q)=P(Q|O,L’)−P(Q|O,L)
つまり、DL(L’,O,Q)は、差異の一例である。そのため、以下では、差異として、DL(L’,O,Q)を用いる。なお、差異の値は、正の値、負の値、又は、0となる。ただし、「差異の大きさ」は、差異の値の絶対値の大きさとする。例えば、以下の説明において、「差異DL(L’,O,Q)=−0.5」は、「差異DL(L’,O,Q)=0.3」より大きいとして説明する。
本発明における第1の実施形態の説明の前に、そのルールが推論の結果にどの程度寄与するかを示す指標として、ルールに設定された「重み」を用いる例を説明する。以下の記載も、本発明の発明者が見いだした知見である。以下、ルールに設定された「重み」をそのルールが推論の結果にどの程度寄与するかを示す指標として用いる発明を、「関連発明」と呼ぶ。
上記のように、関連発明は、推論の根拠として、ルール部分集合L’を出力できる。
以下、図面を参照して、本発明における第1の実施形態に係る推論システム100について説明する。
(1)グラウンドアトムをノードとする。
(2)グラウンドアトムのペアに対して、その2つのグラウンドアトムが同一のルールに現れるときに限り、その2つのグラウンドアトム間にエッジを引く。
F1=Aがたばこを吸う。 → Aが癌になる。
F2=Aがたばこを吸う。 ∧ AとBとが友人である。 → Bがたばこを吸う。
F3=Aがたばこを吸う。 ∧ AとBとが家族である。 → Bがたばこを吸う。
F4=Bがたばこを吸う。 → Bは、癌になる。
F1=Aがたばこを吸う。 → Aが癌になる。
F2=Aがたばこを吸う。 ∧ AとBとが友人である。 → Bがたばこを吸う。
F4=Bがたばこを吸う。 → Bは、癌になる。
推論システム100の算出部110は、ルール集合Lに重みwが含まれる場合、ルールFの特定において、差異に加え、重みwを関連付けて出力してもよい。
推論システム100は、制約を用いてもよい。例えば、推論システム100は、「観測Oを含むルールF及び/又はクエリQを含むルールFを除外しない」との制約を用いてもよい。あるいは、推論システム100は、ユーザから除外しないルールFの指示を受信してもよい。あるいは、推論システム100は、観測O又はクエリQから所定の範囲のルールFを除外しないようにしてもよい。あるいは、推論システム100は、観測Oが時間情報を含む場合、時間を用いて除外可能な観測Oの範囲を設定してもよい。
ここまでの説明において、差異DL(L’,O,Q)は、ルール集合Lとルール部分集合L’との確率Pの差として説明した。しかし、差異DL(L’,O,Q)は、このような確率Pの差に限定されない。例えば、算出部110は、差異DL(L’,O,Q)の差分を用いてもよい。ここで、差分とは、確率Pにおける、ルール部分集合L’に含まれるルールFに対応する差分である。例えば、差分は、確率Pの、ルールFがルール部分集合L’に入っているか否かにおける差分である。この場合の差分の一例を以下に示す。
第1の実施形態に係る推論システム100は、一度に、一つのルールFを除外した。
次に、本発明における第3の実施形態について説明する。
・入力:観測O、クエリQ、ルール集合L、及び、ハイパーパラメタε
・最適化問題:
minimize Card(L')
subject to |DL(L',O,Q)|≦ε
・出力:ルール部分集合L'
つまり、特定部130は、次の制約において、ルールFの数が最も少ないルール部分集合L'を特定する。制約は、ルール部分集合L'と観測Oとの下でのクエリQの確率Pと、ルール集合Lと観測Oとの下でのクエリQの確率Pとの差異の絶対値がハイパーパラメタε以下となることである。つまり、特定部130は、差異DL(L',O,Q)がハイパーパラメタε以下となるルール部分集合L'の中で、ルールFの数(Card(L'))が最も少ないルール部分集合L'を特定する。あるいは、特定部130は、上記ルール部分集合L'を構成するルールFを特定する。
・入力:観測O、クエリQ、ルール集合L、及び、ハイパーパラメタε
・最適化問題:
minimize Card(L”)
subject to |DL(L’,O,Q)|≧ε
・出力:ルール部分集合L”
この場合の特定部130及び出力部140は、次のとおりである。
第3の実施形態の効果について説明する。
[構成の説明]
次に、本発明における第4の実施形態について説明する。第4の実施形態の構成及び動作は、以下に示す最適化問題を除き、第3の実施形態と同様の構成を備え、同様の動作を実行する。そこで、本実施形態に特有の動作を説明し、第3の実施形態の同様の説明は、適宜、省略する。
・入力:観測O、クエリQ、ルール集合L、及び、ハイパーパラメタC
・最適化問題:
minimize DL(L',O,Q)
subject to Card(L')≦C
・出力:ルール部分集合L'
つまり、特定部130は、次の制約において、差異が最も小さくなるルール部分集合L'を特定する。制約は、ルール部分集合L'のルールFの数(Card(L'))が、ハイパーパラメタC以下となることである。つまり、特定部130は、ルールFの数(Card(L'))がハイパーパラメタC以下となるルール部分集合L'の中で、差異DL(L',O,Q)が最も小さくなるルール部分集合L'を特定する。あるいは、特定部130は、上記ルール部分集合L'を構成するルールFを特定する。
・入力:観測O、クエリQ、ルール集合L、及び、ハイパーパラメタC
・最適化問題:
maximize DL(L’,O,Q)
subject to Card(L”)≦C
・出力:ルール部分集合L”
なお、この場合の特定部130及び出力部140も、第3の実施形態と同様である。
第4の実施形態の効果について説明する。
次に、図面を参照して、本発明における実施形態に係る詳細動作の一例を説明する。以下の説明は、第3の実施形態を用いて説明する。ただし、本動作例は、第3の実施形態に限定されない。
さらに、ルール部分集合LiにおけるクエリQの確率P(Q|O,Li)と、ルール部分集合Li+1におけるクエリQの確率P(Q|O,Li+1)との差異「DLi(Li+1,O,Q)」を次のように定義する。
DLi(Li+1,O,Q):=P(Q|O,Li+1)−P(Q|O,Li)=P(Q|O,Li\{Fj})−P(Q|O,Li)
特定部130が、ルール部分集合L’として、ルールFjをn回除外した場合、ルール集合Lと最終的なルール部分集合L’との関係は、次のとおりである。
このとき、最適化問題1における制約条件に含まれる差異DL(L’,O,Q)は、次の数2となる。
終了条件:|D(LV\{Fj},O,Q)+SD|>ε(Fj∈LV)
終了でない場合(ステップS202でNo)、特定部130は、除外された場合に差異の合計が最も小さくなるルールFjを特定する(ステップS203)。この場合の差異の合計は、「|D(LV\{Fj},O,Q)+SD|」である。なお、特定部130は、差異の合計に加え、差異(D(LV\{Fj},O,Q))の大きさを判断基準に加えてもよい。
次に、詳細な動作について、具体的なデータを用いて説明する。
F1=走る(Run) → 脂肪を燃焼する(Burn fat)。
F2=脂肪を燃焼する(Burn fat) → 痩せる(Slim)。
F3=脂肪を燃焼する(Burn fat) → 空腹になる(Starve)。
F4=痩せる(Slim) → 健康になる(Get healthy)。
特定部130は、観測Oを含むルールF1及びクエリQを含むルールF4を除外しないため、特定部130は、ルールF2及びルールF3を除外した場合のクエリQの確率Pを算出する。それぞれの確率Pは、次のとおりである。
P(Q|O,{F1,F2,F4})=0.99995
P(Q|O,{F1,F3,F4})=0.64799
ルールF2を除外した場合の確率Pと元の確率Pとの差異は、「0.35196」である。この値は、ハイパーパラメタεより大きい。しかし、ルールF3を除外した場合の確率Pと元の確率Pとの差異は、「0.00000」である。この値は、ハイパーパラメタεより小さい。そして、今の場合、SDの値は、0である。つまり、終了条件|D(LV\{F3},O,Q)+SD|は、0であり、ハイパーパラメタεより小さい。そのため、特定部130は、終了でないと判定する(ステップS202でNo)。
つまり、特定部130は、さらにルールF2を除外した場合のクエリQの確率Pを算出する。この場合の確率Pは、次のとおりである。
P(Q|O,{F1,F4})=0.64799
この場合の確率Pの差異の合計(SD)は、「0.35196」となる。この差異は、ハイパーパラメタε(0.30000)より大きい。そのため、特定部130は、終了であると判定する(ステップS202でYes)。
さらに、上記とは異なるデータにおける動作結果を説明する。以下の説明において、ルール集合Lと、特定部130における特定の結果としてのルール部分集合L’を示す。
F1:A1→A2(重み:10)
F2:A2→A3(重み:10)
F3:A3→A4(重み:10)
F4:A4→A5(重み:10)
この場合の確率P(Q|O,L)は、0.99995である。
F1:A1→A2(重み:10)
F2:A2→A3(重み:10)
F3:A4→A2(重み:10)
この場合の確率P(Q|O,L)は、0.99995である。
F1:A1→A2(重み:10)
F2:A2→A3(重み:10)
F3:A2→A4(重み:10)
この場合の確率P(Q|O,L)は、0.99995である。
F1:A1→A2(重み:100)
F2:A2→A3(重み:10)
F3:A4→A2(重み:1)
この場合の確率P(Q|O,L)は、0.99995である。
F1:A1→A2(重み:10)
F2:A2→A3(重み:10)
F3:A4→A2(重み:10)
この場合の確率P(Q|O,L)は、0.99995である。
推論システム100及び推論システム101のハードウェア構成について説明する。
[付記1]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから一つのルールを除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を第2の推論結果とするとき、
除外されたルール毎に、第1の推論結果と第2の推論結果との差異の大きさを示す指標である重要度を算出する算出手段と、
除外されたルール毎に、ルールとルールの重要度とを関連付けて出力する出力手段と、
を備える推論システム。
[付記2]
出力手段は、重要度の高いルールを重要度の低いルールよりも優先して出力する、
付記1に記載の推論システム。
[付記3]
出力手段は、ルールとルールの重要度と、ルールに対して予め算出された重みの値と、を関連付けて出力する、
付記1又は2に記載の推論システム。
[付記4]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を第2の推論結果とするとき、
第3のルール集合に対して、第1の推論結果と第2の推論結果との差異の大きさを示す指標である重要度を算出する算出手段と、
除外された第3のルール集合毎に、第3のルール集合と第3のルール集合の重要度とを関連付けて出力する出力手段と、
を備える推論システム。
[付記5]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を推論した結果を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を推論した結果を第2の推論結果とするとき、
第2のルール集合を構成するルールを、第2のルール集合を構成するルールの数量を限定しつつ、第1の推論結果と第2の推論結果との差異を小さくするように特定する特定手段と、
特定された第2のルール集合を出力する出力手段と、
を備える推論システム。
[付記6]
特定手段は、差異を閾値以下にするという制約が満たされるように、かつ、第2のルール集合を構成するルールの数を少なくするように第2のルール集合を構成するルールを特定する、
付記5に記載の推論システム。
[付記7]
特定手段は、第2のルール集合を構成するルールの数量を閾値以下にするという制約が満たされるように、かつ、差異を小さくするように第2のルール集合を構成するルールを特定する、
付記5に記載の推論システム。
[付記8]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を推論した結果を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を推論した結果を第2の推論結果とするとき、
第3のルール集合を構成するルールを、第3のルール集合を構成するルールの数量を限定しつつ、第1の推論結果と第2の推論結果との差異を大きくするように特定する特定手段と、
特定された第3のルール集合を出力する出力手段と、
を備える推論システム。
[付記9]
特定手段は、差異を閾値以上にするという制約が満たされるように、かつ、第3のルール集合を構成するルールの数を少なくするように第3のルール集合を構成するルールを特定する、
付記8に記載の推論システム。
[付記10]
特定手段は、第3のルール集合を構成するルールの数量を閾値以下にするという制約が満たされるように、かつ、差異を大きくするように第3のルール集合を構成するルールを特定する、
付記8に記載の推論システム。
[付記11]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
推論システムが、
第1のルール集合を構成するルールから一つのルールを除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を第2の推論結果とするとき、
除外されたルール毎に、第1の推論結果と第2の推論結果との差異の大きさを示す指標である重要度を算出し、
除外されたルール毎に、ルールとルールの重要度とを関連付けて出力する
推論方法。
[付記12]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
推論システムが、
第1のルール集合を構成するルールから第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を第2の推論結果とするとき、
第3のルール集合に対して、第1の推論結果と第2の推論結果との差異の大きさを示す指標である重要度を算出し、
除外された第3のルール集合毎に、第3のルール集合と第3のルール集合の重要度とを関連付けて出力する
推論方法。
[付記13]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
推論システムが、
第1のルール集合を構成するルールから第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を推論した結果を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を推論した結果を第2の推論結果とするとき、
第2のルール集合を構成するルールを、第2のルール集合を構成するルールの数量を限定しつつ、第1の推論結果と第2の推論結果との差異を小さくするように特定し、
特定された第2のルール集合を出力する
推論方法。
[付記14]
推論システムが、
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を推論した結果を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を推論した結果を第2の推論結果とするとき、
第3のルール集合を構成するルールを、第3のルール集合を構成するルールの数量を限定しつつ、第1の推論結果と第2の推論結果との差異を大きくするように特定し、
特定された第3のルール集合を出力する
推論方法。
[付記15]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから一つのルールを除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を第2の推論結果とするとき、
除外されたルール毎に、第1の推論結果と第2の推論結果との差異の大きさを示す指標である重要度を算出する処理と、
除外されたルール毎に、ルールとルールの重要度とを関連付けて出力する処理と、
をコンピュータに実行させるプログラム。
[付記16]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を第2の推論結果とするとき、
第3のルール集合に対して、第1の推論結果と第2の推論結果との差異の大きさを示す指標である重要度を算出する処理と、
除外された第3のルール集合毎に、第3のルール集合と第3のルール集合の重要度とを関連付けて出力する処理と、
をコンピュータに実行させるプログラム。
[付記17]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を推論した結果を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を推論した結果を第2の推論結果とするとき、
第2のルール集合を構成するルールを、第2のルール集合を構成するルールの数量を限定しつつ、第1の推論結果と第2の推論結果との差異を小さくするように特定する処理と、
特定された第2のルール集合を出力する処理と、
をコンピュータに実行させるプログラム。
[付記18]
開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、開始状態及び第1のルール集合から終了状態が成り立つ確率を推論した結果を第1の推論結果とし、開始状態及び第2のルール集合から終了状態が成り立つ確率を推論した結果を第2の推論結果とするとき、
第3のルール集合を構成するルールを、第3のルール集合を構成するルールの数量を限定しつつ、第1の推論結果と第2の推論結果との差異を大きくするように特定する処理と、
特定された第3のルール集合を出力する処理と、
をコンピュータに実行させるプログラム。
101 推論システム
110 算出部
120 出力部
130 特定部
140 出力部
600 情報処理装置
610 CPU
620 ROM
630 RAM
640 内部記憶装置
650 IOC
660 入力機器
670 表示機器
680 NIC
700 記憶媒体
Claims (10)
- 開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから一つの前記ルールを除外したルール集合を第2のルール集合とし、前記開始状態及び前記第1のルール集合から前記終了状態が成り立つ確率を第1の推論結果とし、前記開始状態及び前記第2のルール集合から前記終了状態が成り立つ確率を第2の推論結果とするとき、
除外された前記ルール毎に、前記第1の推論結果と前記第2の推論結果との差異の大きさを示す指標である重要度を算出する算出手段と、
除外された前記ルール毎に、前記ルールと前記ルールの前記重要度とを関連付けて出力する出力手段と、
を備える推論システム。 - 前記出力手段は、前記重要度の高い前記ルールを前記重要度の低い前記ルールよりも優先して出力する、
請求項1に記載の推論システム。 - 前記出力手段は、前記ルールと前記ルールの前記重要度と、前記ルールに対して予め算出された重みの値と、を関連付けて出力する、
請求項1又は2に記載の推論システム。 - 開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから前記第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、前記開始状態及び前記第1のルール集合から前記終了状態が成り立つ確率を第1の推論結果とし、前記開始状態及び前記第2のルール集合から前記終了状態が成り立つ確率を第2の推論結果とするとき、
前記第3のルール集合に対して、前記第1の推論結果と前記第2の推論結果との差異の大きさを示す指標である重要度を算出する算出手段と、
除外された前記第3のルール集合毎に、前記第3のルール集合と前記第3のルール集合の前記重要度とを関連付けて出力する出力手段と、
を備える推論システム。 - 開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから前記第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、前記開始状態及び前記第1のルール集合から前記終了状態が成り立つ確率を推論した結果を第1の推論結果とし、前記開始状態及び前記第2のルール集合から前記終了状態が成り立つ確率を推論した結果を第2の推論結果とするとき、
前記第2のルール集合を構成するルールを、前記第2のルール集合を構成するルールの数量を限定しつつ、前記第1の推論結果と前記第2の推論結果との差異を小さくするように特定する特定手段と、
特定された前記第2のルール集合を出力する出力手段と、
を備える推論システム。 - 前記特定手段は、前記差異を閾値以下にするという制約が満たされるように、かつ、前記第2のルール集合を構成するルールの数を少なくするように前記第2のルール集合を構成するルールを特定する、
請求項5に記載の推論システム。 - 前記特定手段は、前記第2のルール集合を構成するルールの数量を閾値以下にするという制約が満たされるように、かつ、前記差異を小さくするように前記第2のルール集合を構成するルールを特定する、
請求項5に記載の推論システム。 - 開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
第1のルール集合を構成するルールから前記第1のルール集合の部分集合である第3のルール集合を除外したルール集合を第2のルール集合とし、前記開始状態及び前記第1のルール集合から前記終了状態が成り立つ確率を推論した結果を第1の推論結果とし、前記開始状態及び前記第2のルール集合から前記終了状態が成り立つ確率を推論した結果を第2の推論結果とするとき、
前記第3のルール集合を構成するルールを、前記第3のルール集合を構成するルールの数量を限定しつつ、前記第1の推論結果と前記第2の推論結果との差異を大きくするように特定する特定手段と、
特定された前記第3のルール集合を出力する出力手段と、
を備える推論システム。 - 開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムにおいて、
前記推論システムが、
第1のルール集合を構成するルールから一つの前記ルールを除外したルール集合を第2のルール集合とし、前記開始状態及び前記第1のルール集合から前記終了状態が成り立つ確率を第1の推論結果とし、前記開始状態及び前記第2のルール集合から前記終了状態が成り立つ確率を第2の推論結果とするとき、
除外された前記ルール毎に、前記第1の推論結果と前記第2の推論結果との差異の大きさを示す指標である重要度を算出し、
除外された前記ルール毎に、前記ルールと前記ルールの前記重要度とを関連付けて出力する
推論方法。 - 開始状態及びルール集合から終了状態が成り立つ確率を推論する推論システムを実行するコンピュータにおいて、
第1のルール集合を構成するルールから一つの前記ルールを除外したルール集合を第2のルール集合とし、前記開始状態及び前記第1のルール集合から前記終了状態が成り立つ確率を第1の推論結果とし、前記開始状態及び前記第2のルール集合から前記終了状態が成り立つ確率を第2の推論結果とするとき、
除外された前記ルール毎に、前記第1の推論結果と前記第2の推論結果との差異の大きさを示す指標である重要度を算出する処理と、
除外された前記ルール毎に、前記ルールと前記ルールの前記重要度とを関連付けて出力する処理と、
を実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016050373 | 2016-03-15 | ||
JP2016050373 | 2016-03-15 | ||
PCT/JP2017/009399 WO2017159523A1 (ja) | 2016-03-15 | 2017-03-09 | 推論システム、推論方法、及び、記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2017159523A1 JPWO2017159523A1 (ja) | 2019-01-24 |
JP6721036B2 true JP6721036B2 (ja) | 2020-07-08 |
Family
ID=59851919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018505870A Active JP6721036B2 (ja) | 2016-03-15 | 2017-03-09 | 推論システム、推論方法、及び、プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11521092B2 (ja) |
JP (1) | JP6721036B2 (ja) |
WO (1) | WO2017159523A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112700328B (zh) * | 2021-01-11 | 2024-04-16 | 河南中原消费金融股份有限公司 | 一种指标自动分析方法、装置、设备及存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000242497A (ja) * | 1999-02-19 | 2000-09-08 | Fuji Electric Co Ltd | ファジィ推論モデルの構築支援方法及びファジィ推論方法 |
US6946715B2 (en) * | 2003-02-19 | 2005-09-20 | Micron Technology, Inc. | CMOS image sensor and method of fabrication |
US20070022029A1 (en) * | 2005-07-21 | 2007-01-25 | Protrade Sports, Inc. | Athlete valuation |
JP5582707B2 (ja) * | 2009-02-27 | 2014-09-03 | キヤノン株式会社 | 医療意志決定支援装置及びその制御方法 |
KR101133993B1 (ko) | 2010-11-02 | 2012-04-09 | 한국과학기술정보연구원 | 추론 검증 및 점증적 추론을 위한 트리플 저장 방법 및 장치 그리고 이에 적합한 추론 의존성 색인 방법 및 장치 |
JP5904525B2 (ja) | 2011-06-24 | 2016-04-13 | 国立研究開発法人情報通信研究機構 | 論理推論システムおよび論理推論方法 |
US20130297531A1 (en) * | 2012-05-02 | 2013-11-07 | Imageworks Interactive | Device for modifying various types of assets |
US8825581B2 (en) * | 2012-09-10 | 2014-09-02 | International Business Machines Corporation | Simplifying a graph of correlation rules while preserving semantic coverage |
US9952340B2 (en) * | 2013-03-15 | 2018-04-24 | General Electric Company | Context based geo-seismic object identification |
US20160379074A1 (en) * | 2015-06-25 | 2016-12-29 | Appropolis Inc. | System and a method for tracking mobile objects using cameras and tag devices |
US10824951B2 (en) * | 2016-03-14 | 2020-11-03 | Huawei Technologies Co., Ltd. | System and method for rule generation using data processed by a binary classifier |
US20180361579A1 (en) * | 2017-06-20 | 2018-12-20 | Michael Kelly | Motion model synthesizer methods and systems |
US20210035026A1 (en) * | 2019-07-31 | 2021-02-04 | Microsoft Technology Licensing, Llc | Diagnosing & triaging performance issues in large-scale services |
-
2017
- 2017-03-09 US US16/083,992 patent/US11521092B2/en active Active
- 2017-03-09 JP JP2018505870A patent/JP6721036B2/ja active Active
- 2017-03-09 WO PCT/JP2017/009399 patent/WO2017159523A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US20200293929A1 (en) | 2020-09-17 |
JPWO2017159523A1 (ja) | 2019-01-24 |
US11521092B2 (en) | 2022-12-06 |
WO2017159523A1 (ja) | 2017-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lucas | A translucent box: interpretable machine learning in ecology | |
Wainer | Comparison of 14 different families of classification algorithms on 115 binary datasets | |
Raikwal et al. | Performance evaluation of SVM and k-nearest neighbor algorithm over medical data set | |
CN105659225B (zh) | 使用路径受约束的随机游走的查询扩展和查询-文档匹配 | |
Vadimovich et al. | Self-adjusted evolutionary algorithms based approach for automated design of fuzzy logic systems | |
US20210133635A1 (en) | Material descriptor generation method, material descriptor generation device, recording medium storing material descriptor generation program, predictive model construction method, predictive model construction device, and recording medium storing predictive model construction program | |
JP6172317B2 (ja) | 混合モデル選択の方法及び装置 | |
Yu et al. | Toward naive Bayes with attribute value weighting | |
CN114897173A (zh) | 基于变分量子线路确定PageRank的方法及装置 | |
CN117616431A (zh) | 针对大规模数据的可解释的机器学习 | |
JP2018055424A (ja) | 推計モデル構築システム、推計モデル構築方法及びプログラム | |
Duarte et al. | Representation of context-specific causal models with observational and interventional data | |
JP6721036B2 (ja) | 推論システム、推論方法、及び、プログラム | |
Musella | A PC algorithm variation for ordinal variables | |
JP6690713B2 (ja) | 推論システム、情報処理システム、推論方法、及び、プログラム | |
JP6927409B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
de Sá et al. | Towards a method for automatically evolving bayesian network classifiers | |
Teixeira et al. | Predicting congenital syphilis cases: A performance evaluation of different machine learning models | |
引用本篇文獻時 et al. | A fuzzy-based approach to testing statistical hypotheses | |
US11676050B2 (en) | Systems and methods for neighbor frequency aggregation of parametric probability distributions with decision trees using leaf nodes | |
JP6422512B2 (ja) | 計算機システム及びグラフィカルモデルの管理方法 | |
CN113297854A (zh) | 文本到知识图谱实体的映射方法、装置、设备及存储介质 | |
JP6557613B2 (ja) | 推論モデル構築システム及び推論モデル構築方法 | |
JP2016194910A (ja) | 混合モデル選択の方法及び装置 | |
Gerniers et al. | Maximum entropy method for multi-label classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180824 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200217 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200519 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200601 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6721036 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |