JPH02211537A - 知識整理支援装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （イ）産業上の利用分野 本発明は、原因・事象マトリクス型知識表現形式によっ
て知識が記述され蓄積された知識ベースに対して、知識
の整理をするための知識整理支援装置に関するものであ
る。

（ロ）従来の技術 最近、知識工学の発達に伴い、人工知能技術の産業への
適用が若しく広がっており、特にエキスパートシステム
に代表される知識ベースシステムは、その代表的なもの
である。

知識ベースシステムは、宣言的に記述された問題領域固
有の専門知識やノウハウを格納した知識ベースと、知識
ベースとは分離され知識ベース内の知識の解釈や推論を
実行する推論モジュール（推論機構）から構成される。

知識ベースと推論モジュールが分離して構成されるため
、従来の手続き型言語に比ベプログラムの開発効率、保
守性、可読性、拡張性が著しく向上されている。

さて、典型的な診断型の知識ベースシステムの一つに、
対象の症状や事実、所見などを記述した・ｉＧ象と、推
論結果や故障の原因を記述した結論仮説との因果関係を
原因・事象マトリクスと呼ばれるマトリクス形式で知識
を記述、蓄積した知識ベースと、推論モジュールと、知
識ベースを構築するためのマトリクス型知識獲得手段か
ら構成されるマトリクス型の知識ベースシステムがある
（表形式で知識を表現するものとして、例えば、Ｃ日経
エレクトロニクス４１９Ｂ７．８．ＩＱ（Ｎｏ、４２７
）の記事、「表形式の知識表現ツール開発、エキスパー
ト・システムの構築が容易に」第７６．７７頁参照）。

また、診断型知識表現の一つに、関連のある知識群を構
造化して記述するというタライテリア型知識表現があり
、診断型問題に対する推論過程の把握や大規模な知識ベ
ースの開発効率、保守性が向−ヒするといった利点を有
している。タライテリア型知識表現では、推論を行うた
めに必要な事実や所見を示すファクトと、中間的な事実
や仮説を示す中間仮説と、ファクトや中間仮説に基づい
て結論を導くための判断基準を示す結論仮説とで知識が
記述される。このタライテリア型知識表現を１１ｉ囚・
事象マトリクスに従わせると、ファクトと１１間仮説が
事象に対応し、結論仮説が原因に対応される。

（ハ）発明が解決しようとする課題 従来から、上述のような原因・事象マトリクス形式で診
断型知識を獲得、整理する場合に、診断６＋４知識全体
の見通しを良くし、また推論実行時の事象の評価処理を
高速化するために、異なる結論仮説間で共有する複数の
事象を併合することによって、新たな中間仮説（事象）
を定義し、マトリクス型知識を整理、再編成することが
行なわれている。

この事象の併合処理は、定義された原因・事象マトリク
スを知識ベース構築者がみて、適当な併合案を考え、人
手で表を書き直すことの繰り返しによって行なわれてき
た。

然し乍ら、マトリクスのサイズ（事象の数Ｘ結論仮説（
原因）の数）が大きい大規模な知識ベースを構築する場
合には、多くの問題点があった。

即ち、まず、最適な併合案を人手で発見するのが困難で
ある。例えば、マトリクスをＣＲＴのような表示装置の
両面に表示しているような場合、マトリクスのサイズが
大きくて１画面に表示しきれない時には、特に目でみて
適切な併合案を発見することは難しい。また、マトリク
スの要素数を最少にするという意味での最適な事象の併
合案は一般に複数あるが、人手によってそれらを全て考
慮して、併合案を一つに絞りこむことも、マトリクスの
サイズが大きくなるにつれて難しくなる。

更に、併合案に基づいて、中間仮説を新たな事象として
定義し、原因・事象マトリクスを書き変える作業を人手
で行なうのは非常に繁雑である。

また、現在のマトリクスの状態が、これ以上、併合処理
の余地がないということ（マトリクスの要素が最少であ
ること）を、人手で検証する作業は、マトリクスのサイ
ズが大きくなるにつれて困難になる。そして、これ以上
併合処理が不要と判断されるまで上述のような併合処理
を繰り返さなくてはならず、マトリクス型知識の整理作
業は、知識の追加、修正、削除といった作業を繰り返し
て、徐々に知識ベースを構築していくという知識獲得作
業効率化の大きな阻害要因となっていた。

（ニ）課題を解決するための手段 本発明は、推論を行なうために必要な事実や所見を示す
ファクトや中間的な事実や仮説を示す中間仮説からなる
事象と、原因・事象マトリクス形式でこれら事象と原因
である結論仮説との因果関係が記述された知識を蓄積し
た知識ベースに対して、知識の整理をするための知識整
理支援装置であって、マトリクス型知識を格納するマト
リクス型知識記憶手段と、該マトリクス型知識記憶手段
に格納されたマトリクス型知識の原因・事象マトリクス
型の要素数が最少になるような既に定義された事象から
なる新たな中間仮説の候補室を計算する併合候補室計算
手段と、該併合候補室計算手段で計算された候補室を登
録する併合候補率格納手段と、該併合候補率格納手段に
登録された候補室を選択するための選択手段と、該選択
手段にて選択された候補室に従って定義される中間仮説
を登録する中間仮説格納手段と、該中間仮説格納手段に
登録された中間仮説に従って前記マトリクス型知識記憶
手段に格納されたマトリクス型知識の併合処理を行う併
合処理手段を備えるものである。

（ホ）作用 併合候補室計算手段にて、マトリクス型知識記ｔ！手段
に格納されたマトリクス型知識の原因・事象マトリクス
上のＷ！業数が最少になるように、既に定義された事象
からなる新たな中間仮説の候補室が自動的に計算され、
その候補室を選択手段で選択することによって、マトリ
クス上の要素数が最少になるような新たな中間仮説が中
間仮説格納手段上に登録されると共に、併合処理手段に
よりマトリクス型知識記憶手段に格納されたマトリクス
型知識の併合処理が自動的にされる。そして、マトリク
ス型知識における事象の併合処理に基づいた中間仮説の
定義の作業が著しく効率化される。

（へ）実施例 第２図は本発明一実施例にかかる知識ベースシステムの
概略構成図である。（１）は知識ベースで１間組解決の
ための知識、ノウハウ、手法を、Ｉｆ＃論を行うために
必要な事実や所見を示すファクトと、中間的な事実や仮
説を示す中間仮説と、ファクトや中間仮説を示す事象と
、原因である結論仮説との依存関係を原因・事象マトリ
クス形式によって記述された知識が蓄積されている。

（２）は知識ベース（１）を解釈、実行して診断を行な
うための診断型推論モジュール、（３）は原因・事象型
マトリクス形式で知識を獲得するためのマトリクス型知
識Ｗ１得手段、（４）は知識ベース（１）に登録された
原因・事象マトリクス形式の知識を整理するための知識
整理支援装置である。

この知識整理支援装置の概略構成図を第１図に示す。

（５）はマトリクス型知識獲得手段（３）によって定義
された原因・事象マトリクス形式の知識を格納するマト
リクス型知識メモリ（マトリクス型知識記憶手段）、（
６）はマトリクス型知識メモリ（５）内の原因・事象マ
トリクス上の要素数が最少になるように、に比定義され
た事象の併合候補系（中間仮説の定義式の候補室）を計
算する併合候補室計算回路（併合候補室計算手段）で、
該併合候補室計算回路（６）で計算された事象の併合候
補系（中間仮説の定義式の候補室）は−旦併合候補案テ
ーブル（７）に登録される。

（８）は併合候補室テーブル（７）に登録された併合候
補系や、中間仮説、マトリクス型知識を表示するＣＲＴ
等の表示装置、（９）は表示装置（８）に表示された併
合候補系を選択する入力装置（選択手段）である。

（１０）は入力装置（９）にからの入力によって選択さ
れた併合候補系に従って定義された中間仮説を登録する
中間仮説テーブル、（１１）は選択された併合候補系（
即ち中間仮説テーブル（ｌＯ〉に登録された中間仮説）
に従ってマトリクス型知識メモリ（５）に格納されたマ
トリクス型知識の併合処理を行う併合処理回路である。

尚、（１２）は各回路やメモリ、テーブル間のデータ転
送用のバスである。

本実施例の知識整理支援装置の処理手順について、第３
図を参照しつつ、第４図Ａ乃至Ｃを例にとって説明する
。

今、マトリクろ型知識メモリ（５）に第４図Ａに示すマ
トリクス型知識が格納されているとする。第４図Ａの原
因・事象マトリクスにおいて縦軸は７アクトからなる事
象Ｅ　１．Ｅ　＊、　Ｅ　ｓ、Ｅｌ、Ｅ、で、横軸は結
論仮説（即ち原因）　Ｈ１，Ｈ＊、　Ｈａ。

Ｈ、、Ｈ，である。

原因・事象マトリクスにおいて、結論Ｈ説Ｈｊが成り立
つための必要十分条件は、第１列で記号’ＯＪがマーキ
ングされている全ての事象が成立することである。例え
ば、第４図Ａにおける結論仮親■■、が成り立つための
必要十分条件は、事象Ｅ２、Ｅ、の二つが成立すること
である。

ここで、以下の説明に用いる記号について説明する。

集合Ａ、Ｈに対し、Ａ　＆　Ｂ　ｌ！　ＡとＢの共通集
合を示す。例えば、 Ａ＝ｌａ＋　　ｂ、ｃ、ｄｌ Ｂ＝ｌｂ、ｄ、ｅ、ｒｌ のとき、Ａ＆Ｂ＝　ｌｂ、ｄｉ　　　となる。

集合Ａに対し、Ｎｕｍ（Ａ）はＡの要素数を示し、例え
ば上述の集合Ａでは、 Ｎｕｍ（Ａ）＝４　　となる。

ｍａｘ　（ａ＋）　　ｉ”１＋　　２＋　・・・、ｐは
、ａａｌ＋　　・・・、ａ、のうちの最大の数を示すも
のである。

Ｈｙｐ（Ｅｂ）は、事象Ｅｋを参照している結論仮説を
要素とする集合である。即ち、マトリクスのに行におい
て１０４がマーキングされている結論仮説を要素とする
集合である。例えば、第４図へでは、 Ｈ３’　　ｐ　（Ｅｌ）＝　　ＩＨ＋、　　Ｈ＋、　Ｈ
ｓｌとなる。

さて、併合候補系計算回路（６）において、まず、マト
リクス型知識メモリ（５）に格納されているマトリクス
型知識に対して、興なる２つの事象Ｅ＋、Ｅ＋を共有す
るような結論仮説の数が最大になる事象の組合わせ（Ｅ
ｌ、　　Ｅｌ）を探索する。

即ち、 Ｎ＝ｍａｘ　（Ｎｕｍ　（Ｈｙｐ　（Ｅｌ）＆Ｈｙ　　
ｐ　　（Ｅｌ）　　）　　）　　。

ｆｏｒ　ａｌｌ　ｉ、ｊ、ｉ≠Ｊ、ｔ≦ｉ、５５Ｍ　　
（Ｍは事象の数）を演算することによって、Ｎ、（Ｅ、
、Ｅｌ）、Ｈｙ　ｐ　（Ｅｌ）　＆Ｈｙ　ｐ　（Ｅｌ）
を求める。第４図Ａでは、このような組合わせは、（Ｅ
ｌ、　　Ｅｓ）だけであり、このとき、Ｎ＝３、 Ｈｙ　ｐ　（Ｅｌ）＆）ｌｙｐ　（Ｅ、）＝ＩＨ＋、Ｈ
＋、Ｈｓｌ である。

Ｎ２２のとき、併合処理を行なってマトリクスの要素数
を減少させることができるが、Ｎ＜２（すなわちＮ；１
）のときは、それ以上、併合処理を続行することはでき
ないので、併合処理は終了する。

今、Ｎ＝３（≧２）なので、併合候補系計算回路（６）
は求めたＮや事象の組、Ｈｙｐ（Ｅｌ）＆Ｈｙｌ）（Ｅ
ｓ）の値を併合候補案テーブル（７）に格納すると共に
、表示装置（８）に表示する。

知識ベース構築者は表示装置に表示された併合候補案（
新たに定義する中間仮説の候補室）を見て、その候補室
の選択採用、あるいは拒否することを、入力装置（９）
から入力する。

この例では候補室は１つであり、それを採用したとする
。

入力装置（９）からその旨の入力がされると、併合処理
回路（１１）は、採用された候補室（Ｅ、、Ｅ、）（併
合候補案テーブル（７）に格納されている）をもとに、
新たな中間仮説 Ｅ　＠　＝　Ｅ　＋　　Ａ　Ｎ　Ｄ　　Ｅ　ｓを定義し
、中間仮説テーブル（１０）に登録する。

また、登録すると同時に、新たに定義した中間仮説（事
象Ｅ、）を用いて、第４図Ａに示すマトノクスの併合処
理を行う。即ち、新たに事象Ｅ。

を定義したことにより不要となった（事象Ｅ、の参照に
代わる）部分のマトリクス上の記号ｒＱＪを削除する。

この結果、事象Ｅ１を参照している結論仮説はみかけ上
存在しなくなるが（事象Ｅ、の参照に代わった）、これ
を事象Ｅ１はマトリクス−［−で縮退したといい、併合
処理回路（１１）は縮退した行Ｅ、をマトリクスから削
除する。この併合処理、縮退行削除処理を行なった結果
を第４図１３に示す。

更に、第４図Ｂのマトリクスに対して、上述の処理サイ
クルを繰り返す。

第４図Ｂのマトリクスにおいては、Ｎ＝２であり、併合
候補系計算回路（６）で求めた候補室は（Ｅｌ、Ｅｓ）
、（Ｅｓ、　Ｅｌ）の２組存在する。併合候補系計算回
路（６）は、これら候補室の値を併合候補室テーブル（
７）に格納するとともに、表示装置（８）により候補室
を知識ベース構築者に提示する。

このとき、知識ベース構築者は、第１案（Ｅ、、Ｅ、）
を選択し、入力装置（９）でその旨を指示したとする。

すると、併合処理回路（１１）は新たに中間仮説 Ｅ、＝Ｅ、ＡＮＤ　　Ｅ。

を定義し、中間仮説テーブル（ｌＯ）に登録する。

また、登録すると同時に、新たに定義した中間仮説（事
象Ｅ、）を用いて、第４図Ｂに示すマトリクスの併合処
理を行う。このとき、縮退する事象はないので縮退行削
除処理は実行されない。併合処理の結果を第４図Ｃに示
す。

併合処理が終わると、併合処理回路（６）は１１ｆび併
合候補室を求めるが、このとき、Ｎ＝１であるので、こ
れ以上の併合処理はできず、原因・事象マトリクス型知
識の整理処理を終了する。

尚、Ｎ＜２となる以前に、知識ベース構築者が併合処理
を続行することを拒否した場合（知識整理支援装置が提
案した併合候補室のいずれも拒否した場合）にも、知識
整理処理は終了される。

（ト）発明の効果 本発明は以上の説明から明らかな如く、原因・事象マト
リクス型知識を整理する場合に、事象の最適な併合候補
室が併合候補集計算回路にて自動的に求められ、提示さ
れるので、従来人手で行ってきた併合候補室の発見が極
めて容易になされる。そして候補室を選択したときに、
選択した候補室にしたがって、新たな中間仮説の登録や
原因・・ド象マトリクスの再編成が、併合処理回路にお
いて、自動的に行われる。このため、マトリクス型知識
における事象の併合処理に基づいた中間仮説の定義の作
業が著しく効率化される。そして、特に事象数や結論仮
設数の多い大規模なマトリクス型知識のときに、知識ベ
ースの整理、構築作業の大幅な効率化が可能となる。

【図面の簡単な説明】

第１図は本発明一実施例の知識整理支援装置の概略構成
図、第２図は本発明一実施例にかかる知識ベースシステ
ムの概略構成図、第３図は本発明一実施例にかかる知ｍ
整理支援処理のフローチャート、第４図Ａ乃至Ｃは原因
・事象マトリクス型知識の整理過程を説明するための一
例を示す図である。 （１）・・・知識ベース、（２）・・・診断型推論モジ
ュール、（３）・・・マトリクス型知識獲得手段、（４
）・・・知識整理支援装置、（５）・・・マトリクス型
知識メモリ（マトリクス型知識記憶手段）、（６）・・
・併合候補集計算回路（併合候補室１ｆ算手段）、（７
）・・・併合候補室テーブル（併合候補室格納手段）、
（８）・・・表示装置、（９）・・・入力装置（選択手
段）、（ｌＯ）・・・中間仮説テーブル（中間仮説テー
ブル）、（１１）・・・併合処理回路（併合処理手段）
。 第１図

Claims (1)

【特許請求の範囲】
1. （１）推論を行なうために必要な事実や所見を示すフア
   クトや中間的な事実や仮説を示す中間仮説からなる事象
   と、原因・事象マトリクス形式でこれら事象と原因であ
   る結論仮説との因果関係が記述された知識を蓄積した知
   識ベースに対して、知識の整理をするための知識整理支
   援装置において、 マトリクス型知識を格納するマトリクス型知識記憶手段
   と、該マトリクス型知識記憶手段に格納されたマトリク
   ス型知識の原因・事象マトリクス上の要素数が最少にな
   るような既に定義された事象からなる新たな中間仮説の
   候補案を計算する併合候補案計算手段と、該併合候補案
   計算手段で計算された候補案を登録する併合候補案格納
   手段と、該併合候補案格納手段に登録された候補案を選
   択するための選択手段と、該選択手段にて選択された候
   補案に従って定義される中間仮説を登録する中間仮説格
   納手段と、該中間仮説格納手段に登録された中間仮説に
   従って前記マトリクス型知識記憶手段に格納されたマト
   リクス型知識の併合処理を行う併合処理手段を備えるこ
   とを特徴とする知識整理支援装置。