JP7322966B2 - 情報処理装置、情報処理方法及びプログラム - Google Patents

Description

本発明は、仮説推論の指標を用いた帰納論理プログラミング思考に基づくルールを発見する情報処理装置、情報処理方法及びプログラムに関する。

ルール発見（Rule Discovery）に関する代表的な手法として、非特許文献１に記載の帰納論理プログラミング（Inductive Logic Programming, ILP）は、論理プログラミングに基づく機械学習手法である。この手法は、観測が与えられたときに、事前に保持している背景知識（KB）の中に含まれている事実（Fact）から、ＫＢに含まれているルール（Rule）を用いて事例を説明するために足りないルールを見つける。より詳細には、入力の論理式集合で表される背景知識Ｂと、原子論理式の連言（または集合）で表される観測εに対し、全てのＣ∈εに対してΣ∪Ｂ|=Ｃを満たす論理式集合Σを出力する。背景知識Ｂ内には変数を引数に持たない一つの原子論理式（グラウンディングされた原子論理式）で構成される論理式を事実と呼び、それ以外をルールと呼ぶ。

例えば、Ｂ=｛親（ｘ，ｙ）:－父（ｘ，ｙ），親（ｘ，ｙ）:－母（ｘ，ｙ）,父（太郎，一郎）,母（良子，健太）,姉（花子，太郎）,姉（恵子，良子）,姉（文恵，良子）}、ε={叔母（花子，一郎），叔母（恵子，健太）,叔母（文恵，健太）}に対し、Σ=｛叔母（ｘ，ｙ）:－姉（ｘ，ｚ）Λ親（ｚ，ｙ）｝を発見することができる。ここで｛父（太郎，一郎）,母（良子，健太）,姉（花子，太郎）,姉（恵子，良子）,姉（文恵，良子）}が事実であり、｛親（ｘ，ｙ）:－父（ｘ，ｙ）,親（ｘ，ｙ）:－母（ｘ，ｙ）｝がルールである。

上記の発見したルールの良し悪しを測る基準として、非特許文献２に記載の最小記述長原理（MDL）や、確率的要素を考慮した非特許文献３の確率的帰納論理プログラミングなどが提案されている。

Muggleton, S.H. "Inductive logic programming". New Generation Computing. 8 (4): pp.295-318. 1991. J. Rissanen, "Modeling by shortest data description," Automatica, vol.14, no.5, pp.465-471, Sept. 1798. L. De Raedt and K. Kersting. "Probabilistic Logic Learning," ACM-SIGKDD Explorations: Special issue on Multi-Relational Data Mining, 5 (1): pp31-48, 2003 Naoya Inoue, Kentaro Inui,"ILP-Based Reasoning for Weighted Abduction," Plan, Activity, and Intent Recognition 2011 Kazeto Yamamoto, Naoya Inoue, Kentaro Inui, Yuki Arase and Jun'ichi Tsujii. "Boosting the Efficiency of First-order Abductive Reasoning Using Pre-estimated Relatedness between Predicates," International Journal of Machine Learning and Computing, Vol. 5, No. 2, pp. 114-120. April 2015.

上記で導入した帰納論理プログラミングは、背景知識内の事実が多く存在している場合には、与えられた事例を導くために必要な適切なルール発見ができることが期待できる一方で、事実が少ない場合は困難である。実データを利用した産業応用を考える際には、ルールが充分でないだけでなく、事実が充分でない場合も容易に生じるため、このような場合にも実現可能なルール発見技術が必要になる。

本発明の目的の一例は、上述の課題を解決することのできる、背景知識と与えられた事例からルール発見を行う情報処理装置、情報処理方法及びプログラムを提供することである。

上記目的を達成するため、本発明の一側面における情報処理装置は、
原子論理式の連言で表される観測と、論理式の集合で表される背景知識と、論理式である新規ルールが満たすべき条件とを受け付ける入力部と、
前記観測または背景知識内に含まれる述語を要素とする論理式で表される前記新規ルールを生成するルール候補生成部と、
前記生成された新規ルールを加えた前記背景知識と、前記観測とを入力として最も良い仮説を導出する仮説推論を行う仮説推論システム部と、
前記新規ルールが前記満たすべき条件を満たすかを、前記最も良い仮説を用いて評価するルール評価部と、
を備える。

また、上記目的を達成するため、本発明の一側面における情報処理方法は、
原子論理式の連言で表される観測と、論理式の集合で表される背景知識と、論理式である新規ルールが満たすべき条件とを受け付け、
前記観測または背景知識内に含まれる述語を要素とする論理式で表される前記新規ルールを生成し、
前記生成された新規ルールを加えた前記背景知識と、前記観測とを入力として最も良い仮説を導出する仮説推論を行い、
前記新規ルールが前記満たすべき条件を満たすかを、前記最も良い仮説を用いて評価する。

更に、上記目的を達成するため、本発明の一側面におけるプログラムは、
コンピュータに、
原子論理式の連言で表される観測と、論理式の集合で表される背景知識と、論理式である新規ルールが満たすべき条件とを受け付けさせ、
前記観測または背景知識内に含まれる述語を要素とする論理式で表される前記新規ルールを生成させ、
前記生成された新規ルールを加えた前記背景知識と、前記観測とを入力として最も良い仮説を導出する仮説推論を行わせ、
前記新規ルールが前記満たすべき条件を満たすかを、前記最も良い仮説を用いて評価させる、
命令を含む。

以下に、ルールを発見する情報処理装置が対象とする、仮説推論に基づく帰納論理プログラミング(Inductive Logic Programming on Abduction, ILP-Ab)および、仮説推論について説明する。

仮説推論とは、与えられた観測に対し、最も良い説明を見つける推論である。定式化すると、入力として、論理式の集合で表される背景知識Ｂ、原子論理式の連言で表される観測Ｏが与えられたときに、原子論理式の連言で表される以下を満たす最良仮説Ｈ_bestを出力する。

例えば、背景知識Ｂ＝{∀x，dog(x)⇒animal(x),animal(John)}、観測Ｏ＝animal(John)∧bark(John)のように記述される。

一般的な仮説推論は以下の後ろ向き操作と単一化操作に基づいて仮説が生成される。後ろ向き操作とは任意の候補仮説Ｈに対して，ルールを逆向きに適用する。例えばＨ＝p(x1,x2)$2∧q(x2)$1,r(x1)$3∧s(y)$4⇒p(x1,x2)∈Bのとき，Ｈ’＝r(x1)$6∧s(y)$8∧q(x2)$1、である。

単一化操作とは、述語の種類が同じとき、述語の引数の変数を同一とすることにより、小さい述語のコストのみ採用する操作である。例えば、Ｈ＝p(x)$2∧p(y)$3∧q(x)$5に対する単一化操作を行った結果は、Ｈ’＝p(x)$2∧q(x)$5(ただしx=y)、である。

ここでWeighted Abduction（WA）と呼ばれる評価関数を説明する。背景知識KB内の各ルール内の前件に含まれる各原子論理式には∀x∃yp1(x1)w1Λp2(x2)w2Λ…Λpk(xk)wk⇒q(x0,y)のように重みwi(1≦i≦k)が付与されている。ここで、ルールＡΛＢ→Ｃに対し、ＡΛＢを前件、Ｃを後件と呼ぶ。また観測も同様にp1(x1)$c1Λp2(x2)$c2Λ…Λpk(xk)$ckのようにコストci(1≦i≦k)を付与した原子論理式の連言で表される。WAは入力として背景知識Ｂと観測Ｏが与えられたときに仮説Ｈの中で、c(H)=Σ_｛p(x)$w∈H｝wを最小化する最良仮説を見つける問題である。以後は説明のため仮説推論システムは指定がない限りWAを仮定するが、本発明の内容はWAに限るものではない。

次に仮説推論に基づく帰納論理プログラミング(ILP-Ab)を定式化する。これは従来の帰納論理プログラミングでは観測をKB内の事実から説明するために必要なルールを見つけるという手法であったのに対し、提案するILP-Abは観測を説明するための仮説を構築する際にその仮説をより良くするために必要なルールを見つけるという手法にあたる。これによりＫＢ内の事実が少ない場合にも適切なルールを発見することが期待できる。

ILP-Abは入力として重み付き論理式の集合で表される背景知識Ｂ、重み付き原子論理式の連言で表される観測Ｏ、閾値σが与えられたときに、条件|Eval_best(B∧r,O)‐Eval_best(B,O)|≧σを満たす論理式で表されるルールを出力する。ここで、Eval_best(B,O)は背景知識Ｂと観測Ｏとを入力とした仮説推論で導かれた最良仮説に対する評価関数値である。

上記したルール発見情報処理装置および情報処理方法によれば、知識データベース内の事実が少ないときでもルール発見を行うことができ、またその手法は比較的効率よくルール発見を行うことができる。

図１は、第１実施形態に係るルール発見情報処理装置の機能構成を示す概略ブロック図である。 図２は第１実施形態の情報処理方法の手順を示すフローチャートである。 図３は、第２実施形態に係るルール発見情報処理装置の機能構成を示す概略ブロック図である。 図４は、生成される仮説グラフの例である。 図５は、ルール追加をインクリメンタルに実行する際の探索木である。 図６は、例に対応する仮説グラフの概要図である。 図７は、本発明の実施の形態における情報処理装置を実現するコンピュータの一例を示すブロック図である。

以下に、図面を参照して、本発明の実施の形態について例示的に詳しく説明する。ただし、以下の実施の形態に記載されている構成要素は単なる例示であり、本発明の技術範囲をそれらのみに限定する趣旨のものではない。

（第１実施形態）
本発明の第１実施形態としての情報処理方法について、概略ブロック図を表す図１を用いて説明する。図１に示すように、ルール発見情報処理装置１は、入力部１０１と、ルール生成部１０２と、仮説推論システム部１０３と、ルール評価部１０４とを備える。

入力部１０１は、ILP-Abを行うために必要な入力である、論理式の集合で表される背景知識Ｂと、原子論理式の連言で表される観測Ｏと、論理式である新規ルールが満たすべき条件（ここでは、閾値σ）とを受け付ける。ここで閾値σは対象のルールを背景知識に加えた新しい背景知識から推論される最良仮説に対する改善への寄与度を表す。よって閾値σを大きくすると発見されるルールの数は減少され改善への寄与度が高いルールのみが出力される。

ルール生成部１０２は、追加するルールとして考え得る新規ルールを生成する。ここでは、観測または背景知識内に含まれる述語を構成要素とする原子論理式の組合せで生成できるルールを考える。ただし、追加するルールはユーザの任意の範囲で考えることができ、前述のルールの生成範囲に限定されない。

仮説推論システム部１０３は、ルール生成部１０２で生成された新規ルールを加えた新しい背景知識と、観測とを入力として最も良い仮説を導出する仮説推論を行う。ただし仮説推論システム部１０３は任意の仮説推論システム（一般的な仮説推論を行う推論システムを指す）を用いることができ限定されない。

ルール評価部１０４は、新規ルールが満たすべき条件を満たすかを、最も良い仮説を用いて評価する。詳しくは、ルール評価部１０４は、仮説推論システム部１０３で出力された推論結果から、入力部１０１が受け付けた閾値σに基づく指標においてルールの良さの評価を行い、条件が満たされたルールを出力する。

本発明のILP-AbはILPと比較し、背景知識に含まれる事実が少ない場合にも適切なルール発見を期待できることを本実施例で示す。

（実施例１）
背景知識Ｂ＝｛殺人者(x)→人を撃つ(x)、警官(x)→人を撃つ(x)、殺人者(x)→血が付着(x)、警官(x)→交番にいる(x)｝、観測＝銃を持っている（山田）Λ血が付着（山田）Λ銃を持っている（佐藤）Λ交番にいる（佐藤）が与えられたとする。簡略のためＢ内のルールの前件の重みは全て１とする。ここで背景知識Ｂの中には事実が存在せずルールのみから構成されていることに留意されたい。ILPによって導出されるルールを前述したMDLの指標に基づいて判断する。追加するルール集合Ｒに含まれる原子論理式の数をｎとしたときに、MDL(R)＝ｎで表される。{銃を持っている（山田）Λ血が付着（山田）Λ銃を持っている（佐藤）Λ交番にいる（佐藤）}、｛銃を持っている（山田）Λ血が付着（山田）Λ銃を持っている（佐藤）Λ警察官（佐藤）}、{（人を撃つ(x)→銃を持っている(x)）Λ血が付着（山田）Λ銃を持っている（佐藤）Λ交番にいる（佐藤）}、{（人を撃つ(x)→銃を持っている(x)）Λ血が付着（山田）Λ銃を持っている（佐藤）Λ警察官（佐藤）}など、多くの雑多なルールが出力される。これは背景知識の中に事実がないため、考え得る事実をすべて列挙してしまうためである。一方、ILP-Abは（人を撃つ(x)→銃を持っている(x)）という意味のあるルールのみが出力される。

図２は第１実施形態の情報処理方法の手順を示すフローチャートである。

まず、ILP-Abを行うために必要な入力である、論理式の集合で表される背景知識Ｂ、原子論理式の連言で表される観測Ｏ、閾値σを受け付ける（Ｓ１）。次に、追加するルールとして考え得るルールを生成する（Ｓ２）。続いて、Ｓ２で生成された新規ルールを加えた新しい背景知識と、観測とを入力として最も良い仮説を導出する仮説推論を行う（Ｓ３）。そして、Ｓ３で出力された推論結果から、Ｓ１で受け付けた閾値σに基づく指標においてルールの良さの評価を行い、条件が満たされたルールを出力する（Ｓ４）。

（第２実施形態）
本発明の第２実施形態としての情報処理方法について、概略ブロック図を表す図３を用いて説明する。図３に示すように、ルール発見情報処理装置２は、第１実施形態を構成する入力部１０１と、ルール生成部１０２と、仮説推論システム部１０３と、ルール評価部１０４の他に、ルール枝刈り部２０１と、仮説グラフ保持部２０２とを備える。

仮説推論システム部１０３については、上記の非特許文献４に基づく仮説グラフを生成する推論システムであれば他に限定はしない。ここで仮説グラフは、各ノードp∈Pが原子論理式に、各エッジr∈Rがルールに対応する有向ハイパーグラフG＝(P,R)＝(P(i),R(i))_{i=0…d}で表される。まず始めに、観測Ｏ＝p1(x1)Λ…Λpk(xk)に対し、P(0)={a1,…ak}を生成する。ここでa1,…akはp1(x1),…,pk(xk)それぞれに対応するノードを表す。次に、i=1,…,dに対し以下の操作を行う。ルールp1(x1Λ…Λpk(xk)→qk(xk)∈Bに対し、qk(xk)に対応するノードβ∈P(i-1)が存在する場合は、新しいノードβ1,…,βkを生成しP(i)に加え、新しいエッジ（｛β1,…,βk},β)をR(i)に加える。例として、背景知識Ｂ＝｛s0.4Λr0.7→p,t1.5→r,t1.1→q｝、観測Ｏ＝p$20Λq$10に対し、生成される仮説グラフを図４に示す。

ルール枝刈り部２０１は、新規ルールより連言の論理式が少ないルールを加えた背景知識と、観測とを入力とした仮説推論を行った際に生成された事前仮説グラフを用いて、新規ルールを加えた背景知識と、観測とを入力とした仮説推論をスキップすると判定する。詳しくは、ルール枝刈り部２０１は、仮説グラフ保持部２０２で保持している仮説グラフの構造から得られる情報を基にルール生成部で生成されたルールのうち仮説推論システム部１０３への入力に加えるか否かを判定する。より具体的には、２つの枝刈り条件を与える。

１つ目は、仮説推論の後ろ向き操作の性質より、仮説グラフのノードに対応する原子論理式を構成する述語が、追加するルールの後件に含まれている必要があるという条件を導入する。

２つ目は、ルールr_k：h←b_1∧…∧b_kに対し|Eval_best(B∧r_k‐1, O)－Eval_best(B, O)|<σかつv∈R_kが単一化される可能性がない場合、|Eval_best(B∧r_k，O)－Eval_best(B, O)|<σが成立しr_kは出力されないという性質を用いる。ここで、図５に示すようにR_kはルールr_kを加えた際に、仮説グラフ内のhから辺が生成され、新たな仮説グラフ上でb_kを根として生成され得る部分グラフ内に含まれる原子論理式の述語集合を指す。Eval_best(B∧r_k‐1, O)、Eval_best(B, O)は前段階の結果を利用できるため計算コストはかからない。またv∈R_kが単一化される可能性については、あらかじめ背景知識Ｂ内に含まれるルールよりvから後ろ向きにルールを適用して生成され得る原子論理式内の述語の情報を保持しておく。例えば、上記非特許文献５の述語間の距離情報を用いることができる。

仮説グラフ保持部２０２は、仮説推論システム部１０３で仮説推論を行う前に生成される、可能な仮説の集合を表すグラフ表現であって、グラフ表現のノードが述語に対応する仮説グラフを保持する。詳しくは、仮説グラフ保持部２０２は、仮説推論を行った際に生成される仮説グラフの情報を保持する。仮説グラフ保持部２０２は、仮説グラフそのものを保持しても良いし、ルール枝刈り部２０１内の条件部分で使用する情報のみを保持してもよい。

（実施例２）
本実施例では、第２実施形態における情報処理装置２に含まれるルール枝刈り部２０１内の動作例を図５、図６を用いて説明する。

図５は探索木を示していて、探索木上の各ノードは追加するかを注目しているルールを表している。図５内の（１）、（２）、（３）（図５では丸で囲む数字）の順に新しいルールを作成している。ナイーブには各ノードでは各ノードが注目しているルールを背景知識に加えた新しい背景知識に対して仮説推論システムを回すことになる。これは第１実施形態の手法に対応する。

現在h1←b1∧b2∧b3に注目しているとき、つまり（３）のノードにおけるルールを考慮しているときh1←b1∧b2のルールに関しては出力解としての条件を満たしていないことがわかる。図６は対応する仮説グラフを表しているが、新しい原子論理式b3から新たに生成される部分グラフR3内にR0,R1,R2内に含まれる述語が一つも存在しない場合は単一化操作が行われることがないため、評価関数が良くなることはない。よってh1←b1∧b2∧b3を加えた背景知識に対して仮説推論システムを実行することなく次のルールを考えて良い。

［プログラム］
本発明の実施の形態におけるプログラムは、コンピュータに、図２に示すステップＳ１～Ｓ４を実行させるプログラムであればよい。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における情報処理装置と情報処理方法とを実現することができる。この場合、情報処理装置となるコンピュータのプロセッサは、入力部１０１、ルール生成部１０２、仮説推論システム部１０３、及びルール評価部１０４として機能し、処理を行なう。

また、本実施の形態におけるプログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されてもよい。この場合は、例えば、各コンピュータが、それぞれ、入力部１０１、ルール生成部１０２、仮説推論システム部１０３、及びルール評価部１０４のいずれかとして機能してもよい。

［物理構成］
ここで、本実施の形態におけるプログラムを実行することによって、情報処理装置を実現するコンピュータについて図を用いて説明する。図７は、本発明の実施の形態における情報処理装置を実現するコンピュータの一例を示すブロック図である。

図７に示すように、コンピュータ１１０は、ＣＰＵ（Central Processing Unit）１１１と、メインメモリ１１２と、記憶装置１１３と、入力インターフェイス１１４と、表示コントローラ１１５と、データリーダ／ライタ１１６と、通信インターフェイス１１７とを備える。これらの各部は、バス１２１を介して、互いにデータ通信可能に接続される。なお、コンピュータ１１０は、ＣＰＵ１１１に加えて、又はＣＰＵ１１１に代えて、ＧＰＵ（Graphics Processing Unit）、又はＦＰＧＡ（Field-Programmable Gate Array）を備えても良い。

ＣＰＵ１１１は、記憶装置１１３に格納された、本実施の形態におけるプログラム（コード）をメインメモリ１１２に展開し、これらを所定順序で実行することにより、各種の演算を実施する。メインメモリ１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性の記憶装置である。また、本実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体１２０に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス１１７を介して接続されたインターネット上で流通するものであってもよい。

また、記憶装置１１３の具体例としては、ハードディスクドライブの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス１１４は、ＣＰＵ１１１と、キーボードおよびマウスといった入力機器１１８との間のデータ伝送を仲介する。表示コントローラ１１５は、ディスプレイ装置１１９と接続され、ディスプレイ装置１１９での表示を制御する。

データリーダ／ライタ１１６は、ＣＰＵ１１１と記録媒体１２０との間のデータ伝送を仲介し、記録媒体１２０からのプログラムの読み出し、およびコンピュータ１１０における処理結果の記録媒体１２０への書き込みを実行する。通信インターフェイス１１７は、ＣＰＵ１１１と、他のコンピュータとの間のデータ伝送を仲介する。

また、記録媒体１２０の具体例としては、ＣＦ（Compact Flash（登録商標））およびＳＤ（Secure Digital）等の汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）等の磁気記憶媒体、またはＣＤ－ＲＯＭ（Compact Disk Read Only Memory）などの光学記憶媒体が挙げられる。

なお、本実施の形態における情報処理装置は、プログラムがインストールされたコンピュータではなく、各部に対応したハードウェアを用いることによっても実現可能である。更に、情報処理装置は、一部がプログラムで実現され、残りの部分がハードウェアで実現されていてもよい。

上述した実施形態の一部又は全部は、以下に記載する（付記１）～（付記１２）によって実現することができるが、以下の記載に限定されるものではない。

（付記１）
原子論理式の連言で表される観測と、論理式の集合で表される背景知識と、論理式である新規ルールが満たすべき条件とを受け付ける入力部と、
前記観測または背景知識内に含まれる述語を要素とする論理式で表される前記新規ルールを生成するルール候補生成部と、
前記生成された新規ルールを加えた前記背景知識と、前記観測とを入力として最も良い仮説を導出する仮説推論を行う仮説推論システム部と、
前記新規ルールが前記満たすべき条件を満たすかを、前記最も良い仮説を用いて評価するルール評価部と、
を備えた、情報処理装置。

（付記２）
前記仮説推論システム部で仮説推論を行う前に生成される、可能な仮説の集合を表すグラフ表現であって、グラフ表現のノードが述語に対応する仮説グラフを保持する仮説グラフ保持部と、
前記新規ルールより連言の論理式が少ないルールを加えた前記背景知識と、前記観測とを入力とした仮説推論を行った際に生成された事前仮説グラフを用いて、前記新規ルールを加えた前記背景知識と、前記観測とを入力とした仮説推論をスキップすると判定するルール枝刈り部と、
を備える、付記１に記載の情報処理装置。

（付記３）
前記ルール枝刈り手段は、
前記事前仮説グラフに含まれるノードである述語の集合に、前記新規ルールの後件に出現する述語が存在しない場合に、仮説推論をスキップすると判定する、
を備える、付記２に記載の情報処理装置。

（付記４）
前記ルール枝刈り手段は、
前記事前仮説グラフを元に導出された最も良い結果を用いたルール評価手段の評価結果が条件を満たしていない、かつ、前記事前仮説グラフのいずれのノードとも前記連言の論理式が単一化する可能性がない場合に仮説推論をスキップすると判定する、
を備える、付記２または付記３に記載の情報処理装置。

（付記５）
原子論理式の連言で表される観測と、論理式の集合で表される背景知識と、論理式である新規ルールが満たすべき条件とを受け付けるステップと、
前記観測または背景知識内に含まれる述語を要素とする論理式で表される前記新規ルールを生成するステップと、
前記生成された新規ルールを加えた前記背景知識と、前記観測とを入力として最も良い仮説を導出する仮説推論を行うステップと、
前記新規ルールが前記満たすべき条件を満たすかを、前記最も良い仮説を用いて評価するステップと、
を備える、情報処理方法。

（付記６）
前記仮説推論を行う前に生成される、可能な仮説の集合を表すグラフ表現であって、グラフ表現のノードが述語に対応する仮説グラフを保持するステップと、
前記新規ルールより連言の論理式が少ないルールを加えた前記背景知識と、前記観測とを入力とした仮説推論を行った際に生成された事前仮説グラフを用いて、前記新規ルールを加えた前記背景知識と、前記観測とを入力とした仮説推論をスキップすると判定するステップと、
を備える、付記５に記載の情報処理方法。

（付記７）
前記仮説推論をスキップすると判定する場合では、
前記事前仮説グラフに含まれるノードである述語の集合に、前記新規ルールの後件に出現する述語が存在しない場合に、仮説推論をスキップすると判定する、
付記６に記載の情報処理方法。

（付記８）
前記仮説推論をスキップすると判定する場合では、
前記事前仮説グラフを元に導出された最も良い結果を用いたルール評価手段の評価結果が条件を満たしていない、かつ、前記事前仮説グラフのいずれのノードとも前記連言の論理式が単一化する可能性がない場合に仮説推論をスキップすると判定する、
付記６または付記７に記載の情報処理方法。

（付記９）
コンピュータに、
原子論理式の連言で表される観測と、論理式の集合で表される背景知識と、論理式である新規ルールが満たすべき条件とを受け付けるステップと、
前記観測または背景知識内に含まれる述語を要素とする論理式で表される前記新規ルールを生成するステップと、
前記生成された新規ルールを加えた前記背景知識と、前記観測とを入力として最も良い仮説を導出する仮説推論を行うステップと、
前記新規ルールが前記満たすべき条件を満たすかを、前記最も良い仮説を用いて評価するステップと、
を実行させる命令を含むプログラム。

（付記１０）
前記仮説推論を行う前に生成される、可能な仮説の集合を表すグラフ表現であって、グラフ表現のノードが述語に対応する仮説グラフを保持するステップと、
前記新規ルールより連言の論理式が少ないルールを加えた前記背景知識と、前記観測とを入力とした仮説推論を行った際に生成された事前仮説グラフを用いて、前記新規ルールを加えた前記背景知識と、前記観測とを入力とした仮説推論をスキップすると判定するステップと、
を含む、付記９に記載のプログラム。

（付記１１）
前記仮説推論をスキップすると判定するステップでは、
前記事前仮説グラフに含まれるノードである述語の集合に、前記新規ルールの後件に出現する述語が存在しない場合に、仮説推論をスキップすると判定する、
付記１０に記載のプログラム。

（付記１２）
前記仮説推論をスキップすると判定するステップでは、
前記事前仮説グラフを元に導出された最も良い結果を用いたルール評価手段の評価結果が条件を満たしていない、かつ、前記事前仮説グラフのいずれのノードとも前記連言の論理式が単一化する可能性がない場合に仮説推論をスキップすると判定する、
付記１０または付記１１に記載のプログラム。

以上のように、本発明によれば、仮説推論の枠組みと帰納論理プログラミングを組み合わせたルール発見を行うことができる。本技術は、論理推論を組み込んだシステム全てを対象とし、従来の論理推論技術を利用するときに生じていた問題点の一つである、ルールが充分でないときの対処の解決法の一つとなり得る。

１、２ 情報処理装置
１０１ 入力部
１０２ ルール生成部
１０３ 仮説推論システム部
１０４ ルール評価部

Claims (6)

1. 原子論理式の連言で表される観測と、論理式の集合で表される背景知識と、論理式である新規ルールが満たすべき条件とを受け付ける入力部と、
   前記観測または背景知識内に含まれる述語を要素とする論理式で表される前記新規ルールを生成するルール候補生成部と、
   前記生成された新規ルールを加えた前記背景知識と、前記観測とを入力として最も良い仮説を導出する仮説推論を行う仮説推論システム部と、
   前記新規ルールが前記満たすべき条件を満たすかを、前記最も良い仮説を用いて評価するルール評価部と、
   を備えた、情報処理装置。
2. 前記仮説推論システム部で仮説推論を行う前に生成される、可能な仮説の集合を表すグラフ表現であって、グラフ表現のノードが述語に対応する仮説グラフを保持する仮説グラフ保持部と、
   前記新規ルールより連言の論理式が少ないルールを加えた前記背景知識と、前記観測とを入力とした仮説推論を行った際に生成された事前仮説グラフを用いて、前記新規ルールを加えた前記背景知識と、前記観測とを入力とした仮説推論をスキップすると判定するルール枝刈り部と、
   を備える、請求項１に記載の情報処理装置。
3. 前記ルール枝刈り部は、
   前記事前仮説グラフに含まれるノードである述語の集合に、前記新規ルールの後件に出現する述語が存在しない場合に、仮説推論をスキップすると判定する、
   請求項２に記載の情報処理装置。
4. 前記ルール枝刈り部は、
   前記事前仮説グラフを元に導出された最も良い結果を用いたルール評価部の評価結果が条件を満たしていない、かつ、前記事前仮説グラフのいずれのノードとも前記連言の論理式が単一化する可能性がない場合に仮説推論をスキップすると判定する、
   請求項２または請求項３に記載の情報処理装置。
5. コンピュータが、
   原子論理式の連言で表される観測と、論理式の集合で表される背景知識と、論理式である新規ルールが満たすべき条件とを受け付け、
   前記観測または背景知識内に含まれる述語を要素とする論理式で表される前記新規ルールを生成し、
   前記生成された新規ルールを加えた前記背景知識と、前記観測とを入力として最も良い仮説を導出する仮説推論を行い、
   前記新規ルールが前記満たすべき条件を満たすかを、前記最も良い仮説を用いて評価する、
   情報処理方法。
6. コンピュータに、
   原子論理式の連言で表される観測と、論理式の集合で表される背景知識と、論理式である新規ルールが満たすべき条件とを受け付けさせ、
   前記観測または背景知識内に含まれる述語を要素とする論理式で表される前記新規ルールを生成させ、
   前記生成された新規ルールを加えた前記背景知識と、前記観測とを入力として最も良い仮説を導出する仮説推論を行わせ、
   前記新規ルールが前記満たすべき条件を満たすかを、前記最も良い仮説を用いて評価させる、
   命令を含むプログラム。

Images