JPH05197554A - 推論処理方法およびその装置 - Google Patents

Abstract

(57)【要約】 【目的】 人工知能の分野におけるエキスパートシステ
ムに用いられるプロダクションシステムによる推論処理
において、ワーキングメモリ要素のもつ情報間の相互の
関係からワーキングモメリ要素を特定するための処理に
要する時間の短縮化を図った推論処理方法およびその装
置の提供を目的とする。 【構成】 所定の条件に基づいて複数情報間の相互の関
係を調べることを、推論エンジン５とは別個に設けた処
理手段１２にてあらかじめ行い、その結果をワーキング
メモリ要素にポインタとして設定しておき、推論エンジ
ン５では、そのポインタに着目して、推論処理における
パターンマッチングを行うことにより非常に少ないパタ
ーンマッチングで、所望のワーキングメモリ要素が特定
でき、推論処理全体に要する時間を従来例に比べ大幅に
短縮できる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、人工知能の分野におけ
るエキスパートシステム等に用いられるプロダクション
システムを用いた推論処理方法およびその装置に関する
ものである。

【０００２】

【従来の技術】近年、各種の専門領域の専門家（エキス
パート）から獲得された専門知識を用いて推論を行い、
専門的に高度な問題を、専門家と同等のレベルで解決す
る「エキスパートシステム」と呼ばれる知的システムが
開発されている。

【０００３】コンピュータ等の装置で知識を処理するに
は、知識を一定の形式で表現する必要がある。

【０００４】「ＩＦ 条件部（…） ＴＨＥＮ 結論部
（〜）」（もし、…ならば〜）という判断規則もその１
つである。

【０００５】このような判断規則は、プロダクションル
ール（以下、単にルールと呼ぶ）と呼ばれている。そし
て、知識を「ＩＦ…ＴＨＥＮ〜」形式のルールの集合と
して管理する機構と、その機構を用いて実際に推論を行
う機構とからなるシステムを「プロダクションシステ
ム」と呼ぶ。

【０００６】プロダクションシステムの一般的な構成を
図１に示す。ワーキングメモリ１は、解決すべき問題に
関するさまざなな事実の集合を保存するもので、その事
実の小単位を「ワーキングメモリ要素」と呼ぶ。

【０００７】ワーキングメモリ要素もコンピュータ等の
装置で認識されるために、一定の形式で表現する必要が
あり、どういった形式で表現するのかをルール記述ファ
イル３に定義しておく。定義されたものをワーキングメ
モリ定義という。

【０００８】さらに、専門家の知識を「ＩＦ…ＴＨＥＮ
〜」形式に表現したルールもルール記述ファイル３に定
義されている。

【０００９】ルール記述ファイル３に定義されたこれら
の内容は、実際にコンピュータ等の装置が処理できる形
態（リスト形式という）に変換され、プロダクションメ
モリ４に保存されている。

【００１０】推論エンジン５は、プロダクションメモリ
４およびワーキングメモリ１の内容から推論処理を行う
機構部であり、ルールの条件部とワーキングメモリ要素
との照合（パターンマッチング）を行う照合部６、その
パターンマッチングにより適合するいくつかのルールの
中から実際に適用するルールを選出する競合解消部７、
およびその選出されたルールの結論部を実行するルール
実行部８とから構成されている。

【００１１】上記構成からなるプロダクションシステム
２について、その動作を説明する。推論エンジン５は、
照合部６において、ルールの条件部とワーキングメモリ
１との照合（パターンマッチング）を行う（ステップ
１）。パタンーマッチングに成功すると、そのルールは
実行可能と認識される。次に、競合解消部７において、
実行可能と認識されたルールの中から、どのルールを実
行させるかを選択決定する（ステップ２）。

【００１２】最後に、選択したルールを実行させること
により、プロダクションメモリ４およびワーキングメモ
リ１の内容を更新したり、結果を画面表示したりする
（ステップ３）。

【００１３】以上の３つのステップを繰り返すことによ
り推論処理をおこなっていく。以下に、上記のプロダク
ションシステムを用いた推論処理方法を図面を参照して
説明する。

【００１４】図２が従来の推論処理装置の構成を示した
ブロック図である。推論処理装置は、プロダクションシ
ステム２ですでに説明した構成に加えて、推論エンジン
５で行う推論処理以外の処理を行うための手続き型のプ
ログラム９と、ワーキングメモリ要素が生成，削除，更
新される場合に、自動的に指定された手続き型プログラ
ム９を起動さえる起動部１０と、ワーキングメモリ１の
内容を推論処理系以外の手続き型プログラム９等により
更新するためのワーキングメモリ更新部１１とを備えて
いる。

【００１５】以下に、上記構成からなる推論処理装置を
用いて、複数個のワーキングメモリ要素の中から、それ
らの持つ情報の相互の関係に基づいてワーキングメモリ
要素を特定する推論処理を行う場合について説明する。

【００１６】ここでは簡単な例として、「数値の書かれ
たｍ枚のカードの中から、最大の数値をもつカードを選
び出す」という命題を考える。ワーキングメモリ１に
は、命題に関する事実である、カードに相当する数値デ
ータをもつワーキングメモリ要素（Ａ１〜Ａｍ）が保存
される。

【００１７】そして、このワーキングメモリの内容を認
識するために、ルール記述ファイル３に、図３に示すよ
うに、ワーキングメモリ宣言（％ｂｊｅｃｔ）、ワーキ
ングメモリ名（データ）、データ型（ｄｏｕｂｌｅ）、
ワーキングメモリ構成要素名（ｎｕｍｂｅｒ）のように
定義しておく。

【００１８】すなわち、「“データ”という名称のワー
キングメモリ１は、ｎｕｍｂｅｒという名称の数値デー
タから構成される」ことを定義しておくのである。

【００１９】推論の要となる専門家の知識は、ルール記
述ファイル３に、ルールとして定義されるが、「ルール
は、その条件部に規定された条件を満足にするワーキン
グメモリ要素が存在する場合に成立する。ただし、条件
の前に！記号が記述されている場合は、否定条件を示
し、そこに規定された条件を満足するワーキングメモリ
要素が存在しない場合にのみ成立する。」という原則に
基づいてルールを定義しなければならないため、必然的
に、「あるワーキングメモリ要素のもつｎｕｍｂｅｒの
数値データより大きい数値をもつワーキングメモリ要素
は存在しない。」という条件になる。

【００２０】従って、本命題を解決するためのルール
は、図４に示すとおり、ルール宣言（％ｒｕｌｅ）、ル
ール名（検索１）、条件部（（データ）・・・・
・；）、条件部と結論部を仕切る記号（→）、結論部
（ｗｒｉｔｅ・・・）というように定義されている。

【００２１】この“検索１”という名称のルールの定義
は、第１の条件として、“データ”という名称のワーキ
ングメモリ１が存在していること、第２の条件として、
第１の条件を満足した“データ”という名称のワーキン
グメモリ１内のワーキングメモリ要素のｎｕｍｂｅｒよ
り大きいｎｕｍｂｅｒをもつワーキングメモリ要素が存
在しないこと、を規定しているのである。

【００２２】結論部では、条件部を満足したワーキング
メモリ要素のｎｕｍｂｅｒを表示することを規定してい
る。

【００２３】したがって、条件部の２つの条件が満足さ
れることによって、“データ”という名称のワーキング
メモリ１の中からｎｕｍｂｅｒの値が最大であるワーキ
ングメモリ要素が特定され、その数値データが表示され
るのである。

【００２４】ここで、推論エンジン５において推論処理
を行うということについて考えてみると、推論エンジン
５は、ルールの条件部とワーキングメモリ１とをパター
ンマッチングすることにより推論をすすめるという性質
上、前述したように、肯定条件あるいは否定条件しか使
うことができない。このため、「あるワーキングメモリ
要素のもつｎｕｍｂｅｒの数値データより大きい数値を
持つワーキングメモリ要素はない」という条件が満たさ
れるかどうかを調べるためには、ワーキングメモリ要素
の全ての組み合わせにつき条件部の第２の条件（相互の
関係に関する条件）について１つ１つパターンマッチン
グを行って条件を満たすかどうかを調べていかなければ
ならない。

【００２５】すなわち、“データ”という名称のワーキ
ングメモリ１を構成しているｍ個のワーキングメモリ要
素（Ａ１〜Ａｍ）に対して、図５に示すように、ワーキ
ングメモリ要素Ａ１とワーキングメモリ要素Ａ１（以
下、Ａ１−Ａ１のように示す）、Ａ１−Ａ２，Ａ１−Ａ
３，Ａ１−Ａ４，……，Ａ１−Ａｍ，Ａ２−Ａ１，Ａ２
−Ａ２，Ａ２−Ａ３，……，Ａｍ−Ａ１，Ａｍ−Ａ２，
……，Ａｍ−Ａｍのように、全てのワーキングメモリ要
素の組み合わせについて条件を満たすかどうか、すなわ
ち、各々のもつｎｕｍｂｅｒ（ａｋ；ｋ＝１，２，・・
・ｍ）を一対一で大小比較していくため、合計

【００２６】

【数１】

【００２７】回のパターンマッチングが必要となる。す
なわち、ｍ個のワーキングメモリ要素の中から、相互の
関係に関する１つの条件を満たすワーキングメモリ要素
を特定する場合には（数１）回のパターンマッチングが
必要となる。

【００２８】したがって、推論エンジン５において、ｍ
個のワーキングメモリ要素（Ａ１〜Ａｍ）の中から、相
互の関係に関するＭ個の条件を満たすワーキングメモリ
要素を特定する処理を行うには、

【００２９】

【数２】

【００３０】回のパターンマッチングが必要となる。

【００３１】

【発明が解決しようとする課題】上述したように、「Ｉ
Ｆ…ＴＨＥＮ〜」形式のルールを用いるプロダクション
システム２を用いて複数個のワーキングメモリ要素の中
から、それらのもつ情報の相互の関係に基づいてワーキ
ングメモリ要素を特定する場合（例えば、ワーキングメ
モリ要素の持つ情報の値が最大，最小であるワーキング
メモリ要素を求める等）には、ルールの条件部の条件に
ワーキングメモリ要素のすべての組み合わせにつき１つ
１つパターンマッチングを行い、相互の関係に関する条
件を満たすかどうかを調べなければならず、推論処理に
多大な時間を要する。

【００３２】特に、大量のワーキングメモリ要素を扱う
エキスパートシステムにおいては、ワーキングメモリ要
素の数が多ければ多いほど、パターンマッチングの回数
は飛躍的に増え、その所要時間も膨大になり、その結
果、推論処理全体に多大な時間を要するという課題を抱
えている。

【００３３】本発明は、上記課題を解決するもので、プ
ロダクションシステムによる推論処理において、複数個
のワーキングメモリ要素の中から、それらのもつ情報に
関する条件に基づいて、ワーキングメモリ要素のもつ情
報間の相互の関係にかかる条件から所望のワーキングメ
モリ要素を特定する推論処理に要する時間の短縮化を図
った推論処理方法およびその装置の提供を目的とする。

【００３４】

【課題を解決するための手段】上記目的を達成するため
に、本発明の刷ろん処理方法は、推論エンジンによる推
論処理を行う前に、推論エンジンとは別個に設けた処理
手段を用いて所定の条件に基づいてワーキングメモリ要
素のもつ情報間の相互関係を調べ、調べられた結果に基
づいて各ワーキングメモリ要素にポインタを設定してお
き、推論エンジンにおいて、設定されたポインタに着目
した推論処理を行い、所望のワーキングメモリ要素を特
定するものである。

【００３５】プロダクションメモリに保存された知識を
表現したルールと、ワーキングメモリに保存された事実
を表現したワーキングメモリ要素を用い推論エンジンで
複数ワーキングメモリ要素の中から所定の条件に基づい
てワーキングメモリ要素を特定する推論処理を行う推論
処理方法において、前記推論エンジン以外の処理手段に
より、前記ワーキングメモリ要素のもつ前記所定の条件
に関わる情報間の相互の関係を調べる工程と、前記工程
において調べた結果から各ワーキングメモリ要素に相互
情報を設定する工程と、前記推論エンジンにより、前記
ワーキングメモリ要素に設定された前記相互情報を用い
て推論を行い、所望のワーキングメモリ要素を特定する
工程とを有することを特徴とする。

【００３６】また、その推論処理方法を実現するための
装置は、知識を表現したルールを保存するプロダクショ
ンメモリと、事実を表現したワーキングメモリ要素を複
数保存するワーキングメモリと、前記ルールおよび前記
ワーキングメモリ要素を用いて推論を行う推論エンジン
と、前記複数のワーキングメモリ要素の中から、所定の
条件に基づいてワーキングメモリ要素を特定する推論処
理を行うとき、前記ワーキングメモリ要素のもつ前記所
定の条件に関わる情報間の相互の関係を調べるととも
に、調べた結果に基づき各ワーキングメモリ要素に設定
する相互情報を出力する前記推論エンジンとは別個に設
けられた処理手段と、前記出力された相互情報をワーキ
ングメモリ要素に設定するワーキングメモリ更新手段と
を備え、前記ワーキングメモリ更新手段により前記ワー
キングメモリ要素に設定された前記相互情報を用いて推
論処理を行うことを特徴とするものである。

【００３７】

【作用】上述したように、複数個のワーキングメモリ要
素からそれらのもつ情報の相対関係に基づいてワーキン
グメモリ要素を特定する場合に、あらかじめ推論エンジ
ンとは別の処理手段によって所定の条件に基づいたワー
キングメモリ要素の持つ情報間の相互関係を短時間で調
べておき、調べられた結果に基づき各ワーキングメモリ
要素にポインタを設定しておき、推論エンジンによる推
論処理の際にはそのポインタを用いて所望のワーキング
メモリ要素を特定するため、従来のように、ワーキング
メモリ要素の全ての組み合わせについて１つ１つパター
ンマッチングを行い相互関係に関する条件を満たすかど
うかを調べる必要はなくなり、推論処理に要する時間が
大幅に短縮される。

【００３８】

【実施例】以下に、本発明の推論処理方法およびその装
置について図面を参照しながら説明する。

【００３９】図６は、本発明のプロダクションシステム
２を用いた推論処理装置のブロック図である。

【００４０】ワーキングメモリ１は、解決すべき問題に
関するさまざまな事実の集合を保存するもので、その事
実の小単位を「ワーキングメモリ要素」と呼ぶ。

【００４１】ワーキングメモリ要素もコンピュータ等の
装置で認識されるために、一定の形式で表現する必要が
あり、どういった形式で表現するのかをルール記述ファ
イル３に定義する。定義されたものをワーキングメモリ
定義という。

【００４２】さらに、専門家の知識を「ＩＦ…ＴＨＥＮ
〜」形式に表現したルールもルール記述ファイル３に定
義されている。

【００４３】ルール記述ファイル３に定義されたこれら
の内容は、実際にコンピュータ等の装置が処理できる形
態（リスト形式という）に変換され、プロダクションメ
モリ４に保存されている。

【００４４】推論エンジン５は、プロダクションメモリ
４およびワーキングメモリ１の内容から推論処理を行う
機構部であり、ルールの条件部とワーキングメモリ要素
との照合（パターンマッチングを行う照合部６、そのパ
ターンマッチングにより適合するいくつかのルールの中
から実際に適用するルールを選出する競合解消部７、お
よびその選出されたルールの結論部を実行するルール実
行部８とから構成されている。

【００４５】また、推論エンジン５で行う推論処理以外
の処理を行うための手続き型のプログラム９と、ワーキ
ングメモリ要素が生成，削除，更新される場合に、自動
的に指定された手続き型プログラム９を起動させる起動
部１０と、ワーキングメモリ１の内容を推論処理系以外
手続き型プログラム９等により更新するためのワーキン
グメモリ更新部１１とを備えている。

【００４６】以上の装置の構成は従来例のものと同様で
ある。本発明の推論処理装置では、上記構成に加え、推
論エンジン５とは別個に処理手段１２を設けている。処
理手段１２の構成を示したのが図７である。

【００４７】図において、１３はワーキングメモリ要素
のもつ種別情報間の相互の関係を調査する種類判別部、
１４はその調査結果に基づいてワーキングメモリ要素を
種類分けする種類分け部、１５はワーキングメモリ要素
のもつ数値情報の大小関係を調査する大小関係調査部、
１６は調査された結果に基づきワーキングメモリ要素を
ソートするソート部、１７はソートされた情報を持つワ
ーキングメモリ要素に相互情報であるポインタを設定す
るポインタ設定部である。

【００４８】一般的に、推論処理の対象となるワーキン
グメモリ要素の持つ情報は、種類等を示す種別情報と数
値データである数値情報とから構成される。

【００４９】そこで、第１の実施例として、従来例と同
様、ワーキングメモリ要素が数値情報のみを持つ場合
を、第２の実施例として、ワーキングメモリ勝訴が種別
情報および数値情報を持つ場合を説明する。

【００５０】（実施例１）従来の技術の項で挙げたもの
と同様「それぞれに数値データを持つｍ個のワーキング
メモリ要素（Ａ１〜Ａｍ）（５０，１０，・・・・，１
００，３０）の中から、その数値データが最大であるワ
ーキングメモリ要素を特定する」推論処理を行う場合に
ついて説明する。

【００５１】以上の構成の推論処理装置を用いて行う推
論処理方法を示したフローチャートが図８である。

【００５２】図８を参照しながら、以下、その推論処理
方法を説明する。本来、ワーキングメモリ要素が種別情
報を持つ場合は、種別情報に関する処理（ステップ１，
ステップ２）から行われる。しかし、現対象は種別情報
を持たないので、ステップ１およびステップ２の処理は
行われない。

【００５３】すなわち、手続き型プログラム９により、
処理手段１２に実行の命令が出力される。その出力によ
り、大小関係調査部１５により、ワーキングメモリ要素
の持つ数値情報であるｎｕｍｂｅｒの大小関係を調査さ
れる（ステップ３）。その後、ソート部１６により、ス
テップ３で調査された結果に基づきワーキングメモリ要
素がソートされる（ステップ４）。複数種類の数値情報
を持っている場合は各種類について繰り返し、大小関係
の調査およびソートが矢印Ｂのように行われる。そし
て、ポインタ設定部１７により、ソートされた情報を持
つワーキングメモリ要素に相互情報であるポインタ（ｐ
ｏｉｎｔｅｒ；つなぎ）が設定される（ステップ５）。

【００５４】ポインタとは、ソート部１６によりソート
された結果に基づいた情報であり、ソートに対応させ
て、どのワーキングメモリ要素の次にどのワーキングメ
モリ要素がつながるかを示すものである。

【００５５】これらの処理（ソートおよびポインタの設
定）を施したものをワーキングメモリソーティングリス
トと呼ぶ。図９に、そのワーキングメモリソーティング
リストを模式的に示す。

【００５６】実際、各ポインタには、次につながる他の
ワーキングメモリ要素のアドレスが設定されている。た
だし、最高尾のワーキングメモリの要素のポインタに
は、終了の目印として、“０”というデータを与えてお
く。

【００５７】このようにして、ワーキングメモリ要素に
ポインタを設定したあと、推論エンジン５による推論処
理に入る。

【００５８】ここで、推論エンジン５による推論エンジ
ンの推論の基となるルール記述ファイル３に保存されて
いる内容について説明する。

【００５９】図１０がルール記述ファイル３に保存され
ているワーキングメモリ定義およびルール定義である。

【００６０】ワーキングメモリ定義では、“データ”と
いう名称のワーキングメモリは、次につながるべきワー
キングメモリ要素のアドレスを示すｎｅｘｔという名称
のポインタと、ｎｕｍｂｅｒという名称の数値データと
により構成されていること、そして、このワーキングメ
モリ１に属するワーキングメモリ要素が生成，削除され
た場合には、それぞれａｄｄ−ｄａｅｍｏｎ，ｄｅｌ−
ｄａｅｍｏｎという名称の手続き（手続き型プログラム
に保存されている）を呼び出すことを規定している（ワ
ーキングメモリ要素が更新されたときには、両方の手続
きを呼び出す）。これらの手続きについては後述する。

【００６１】つぎに、ルール定義されている“検索２”
という名称のルールは、その条件部においてポインタで
あるｎｅｘｔが“０”であるワーキングメモリ要素の存
在を規定し、結論部においてそのワーキングメモリ要素
のｎｕｍｂｅｒを表示することを規定している。

【００６２】このような内容が記述されたルール記述フ
ァイル３に基づいて、推論エンジン５の照合部６におい
て、“検索２”という名称のルールの条件部の条件（デ
ータ ｎｅｘｔ＝０）と、ワーキングメモリ要素とのパ
ターンマッチングが行われる（ステップ６）。

【００６３】すなわち、ワーキングメモリソーティング
リストを用いて、ポインタであるｎｅｘｔの値が“０”
のものを検索していくのである。

【００６４】そして、その検索により“０”の値を持つ
ポインタが発見されることにより、条件が成立し、“検
索２”という名称のルールが適用可能と判断される。

【００６５】いま、ルールは１つしかなく、その１つの
ルールが適用可能と判断されたので、自動的にルール
“検索２”の結論部が、ルール実行部８により実行さ
れ、“１００”という値が表示される（ステップ７）。

【００６６】また、ワーキングメモリ要素が生成，削
除，更新された場合には、起動部１０により、手続き型
プログラム９に保存されている手続きａｄｄ−ｄａｅｍ
ｏｎおよび手続きｄｅｌ−ｄａｅｍｏｎが呼び出され
る。

【００６７】手続きａｄｄ−ｄａｅｍｏｎ，手続きｄｅ
ｌ−ｄａｅｍｏｎはワーキングメモリ要素が生成，削除
あるいは更新Ｓれたワーキングメモリ１に対して、処理
手段１２により新たにワーキングメモリ要素をｎｕｍｂ
ｅｒの大きさの昇順にソートするとともに、ワーキング
メモリ要素のポインタであるｎｅｘｔを更新するもので
ある（新たにワーキングメモリソーティングリストを作
成する）。

【００６８】すなわち、手続きａｄｄ−ｄａｅｍｏｎで
は、ワーキングメモリソーティングリストに、生成され
たワーキングメモリ要素をｎｕｍｂｅｒをキーとして昇
順にソートしてつなぎ、手続きｄｅｌ−ｄａｅｍｏｎで
は逆に、削除されたワーキングメモリ要素をワーキング
メモリソーティングリストから外す処理を行う。

【００６９】このように、ワーキングメモリ１内の内容
を更新したときにも、自動的にワーキングメモリソーテ
ィングリストを作成できるようにして設定しておけば、
すぐに、推論エンジン５による推論に入ることができ
る。

【００７０】以上の説明から明らかなように、ワーキン
グメモリ要素がｍ個存在し、その中から、１つの条件を
満たすワーキングメモリ要素を特定するには、設定され
たポインタを調べるのに必要なｍ回のパターンマッチン
グで十分である。

【００７１】これに対して、従来の方法では、前述した
ように、（数１）回のパターンマッチングを行わなけれ
ばならない。

【００７２】すなわち、例えば、ワーキングメモリ要素
の数が１０，０００個だとすると、本発明の場合は、最
大１０，０００回、従来例の場合は、最大１００，００
０，０００回のパターンマッチングを必要とし、その差
はいうまでもない。

【００７３】ところが、本発明においては、推論エンジ
ン５とは別の処理手段１２により、前もって、ソーティ
ングおよびポインタの設定を行っているので、それに要
する時間を考慮に入れる必要がある。

【００７４】しかしながら、この処理手段１２は、推論
エンジン５による推論処理のように、「ルールに肯定条
件・否定条件しか使えない」という制限がない、演算処
理装置であるので、そのソーティング等の作業に要する
時間は、１００，０００，０００（回）−１０，０００
（回）＝９９，９９０，０００回のパターンマッチング
に要する時間に比べれば比較にならないほど短い。

【００７５】すなわち、ワーキングメモリ要素の数が多
ければ多いほど、本発明の推論処理方法による効果は大
きいといえる。

【００７６】また、以上に説明した第１の実施例は、所
望のワーキングメモリ要素を特定するための条件が１つ
の場合であるが、その条件が複数個あれば、さらにその
効果は大きくなる。

【００７７】すなわち、従来の推論処理方法では、従来
技術の項ですでに述べたように、ｍ個のワーキングメモ
リ要素の中からＭ個の条件に基づいてワーキングメモリ
要素を特定しようとすると、従来技術の項で述べたよう
に、そのパターンマッチングの回数は（数２）回とな
り、推論処理に要する時間は膨大なものとなっていしま
う。

【００７８】これに対して、本発明の推論処理方法にお
いては、条件が複数個であっても、あらかじめ推論エン
ジン５とは別の処理手段１２によってそれら所定の条件
に基づいたワーキングメモリ要素間の相互の関係を短時
間で調べ、その結果を各ワーキングメモリ要素にポイン
タとして設定しておき、推論エンジン５による推論処理
の際にはそのポインタを用いて所望のワーキングメモリ
要素を特定するため、パターンマッチングの回数は条件
が１つの場合と同じｍ回であり、処理手段１２における
ソーティングに要する時間が少し上乗せされるだけであ
る。

【００７９】（実施例２）第２の実施例として、ワーキ
ングメモリ要素を特定する条件の中に、種別情報に関す
る条件を含む場合を説明する。

【００８０】推論処理の命題として、「ある製品を生産
する生産ラインシステムのある部分に配置する生産機械
を決定するために、候補となる複数個の生産機械から、
所定のメーカーのものであって、最も良品生産率の高い
生産機械を選び出す。もし、そのような生産機械が複数
個ある場合は、その中で、最も価格の低い生産機械を選
び出す」という推論処理を例にとる。

【００８１】図１１に、候補となっている生産機械の情
報が表現されているワーキングメモリ要素（Ｂ１〜Ｂ
５）を示す。

【００８２】このワーキングメモリ要素から構成される
ワーキングメモリ１はルール記述ファイル３において、
図１２のよに定義されている。

【００８３】このワーキングメモリ定義は、図に示すよ
うに、“機械”という名称のワーキングメモリは、次に
つながるべきワーキングメモリ要素のアドレスを示すｎ
ｅｘｔというポインタと、生産機械のメーカ名を示すｍ
ａｋｅｒという種別情報と、製品Ｎｏを示すｎｕｍｂｅ
ｒという種別情報と、良品生産率（％）を示すｒａｔｅ
という数値情報と、生産機械の価格を示すｐｒｉｃｅと
いう数値情報とから構成されていること、そして、この
ワーキングメモリ１に属するワーキングメモリ要素が、
生成，削除された場合には、それぞれａｄｄ−ｄａｅｍ
ｏｎ，ｄｅｌ−ｄａｅｍｏｎという名称の手続き（手続
き型プログラムに保存されている）を呼び出すことを規
定している（これらの手続きはすでに説明してあるの
で、説明は省略する）。

【００８４】さらに、もう１つの“要望”という名称の
ワーキングメモリは、図１３に示すように、生産機械の
メーカー名を示すｍａｋｅｒという種別情報と、製品Ｎ
ｏを示すｎｕｍｂｅｒという種別情報と、良品生産率
（％）を示すｒａｔｅという数値情報と、生産機械の価
格を示すｐｒｉｃｅという数値情報とから構成されてい
ることを規定している。

【００８５】ワーキングメモリ“要望”は、生産機械を
特定する条件を表現したものであるが、種別情報である
メーカー名だけで構成され、数値情報に関するものは定
義されていない。なぜなら、数値情報に関する条件は、
ワーキングメモリ要素の相互の関係から適用するからで
ある。

【００８６】続いて、その推論処理を図８を参照しなが
ら説明する。まず、手続き型プログラム９により処理手
段１２に実行の命令が出力される。この出力から、種類
判別部１３により、ワーキングメモリ要素の種別情報で
あるメーカー間の相互の関係を調査する（ステップ
４）。その調査結果に基づいて、種類分け部１４によ
り、ワーキングメモリ要素をメーカー別に種類分けする
（ステップ５）。もし、複数の種別情報をもつ場合は、
ステップ４およびステップ５を矢印Ａのように繰り返し
行う。その後、大小関係部１５により、ステップ５で種
類分けされたワーキングメモリ要素間において、数値情
報の大小関係を調査する（ステップ６）。

【００８７】すなわち、同じメーカー名を持つワーキン
グメモリ要素において、良品生産率および価格に関して
大小関係を調査する。

【００８８】そして、ソート部１６は、調査された大小
関係から、ワーキングメモリ要素をソートする（ステッ
プ７）。つまり、同じメーカー名を持つワーキングメモ
リ要素を１つのグループとしてソートし、そのグループ
の中では、良品生産率の昇順にソートし、さらに良品生
産率が同じものについては、価格の降順にソートする。
ソートの結果を示したのが図１４である。そして、この
ソートされた情報を持つワーキングメモリ要素に相互情
報であるポインタを設定する。（ステップ８）。

【００８９】こうして、作成されたワーキングメモリソ
ーティングリストを模式的に示したのが図１５である。

【００９０】実際、各ポインタには、次につながる他の
ワーキングメモリの要素のアドレスが設定され、最高尾
のワーキングメモリ要素のポインタには、終了の目印と
して、“０”というデータを与えておく。

【００９１】このようにして、ワーキングメモリ要素に
ポインタを設定したあと、推論エンジン５による推論処
理に入る。

【００９２】ここで、推論エンジン５による推論エンジ
ンの基となるルール記述ファイル３に保存されているル
ール定義について説明する。

【００９３】図１６がルール記述ファイル３に保存され
ているルール定義である。この“検索３”というルール
定義は、第１の条件である （要望）により、要望という名称のワーキングメモリを
検索する。その後、第２の条件である （機械 メーカー＝条件１．メーカー）；により、機械
というワーキングメモリ１内のワーキングメモリ要素の
中から、メーカーが第１の条件を満たすもののメーカー
であるものを検索する。検索の結果、マッチングするの
はワーキングメモリ要素Ｂ１，Ｂ２およびＢ３である。
そして、第３の条件である ！ （機械 メーカー＝条件１．メーカー；ポインタ＝
条件２．）；により、その前半部でふたたび、ワーキン
グメモリ要素Ｂ１，Ｂ２およびＢ３が検索されて、その
ワーキングメモリ要素のポインタの値のうち、前記第２
の条件を満たすワーキングメモリ要素のアドレスと等し
いワーキングメモリ要素がないことを規定しているので
ある。

【００９４】具体的には、ワーキングメモリ要素Ｂ３の
ポインタの値Ｎ３と等しい値のアドレスを持つワーキン
グメモリ要素は第２の条件を満たすワーキングメモリ要
素Ｂ２が存在し、また、ワーキングメモリ要素Ｂ２のポ
インタの値Ｎ４と等しい値のアドレスを持つワーキング
メモリ要素は第２の条件を満たすワーキングメモリ要素
Ｂ１が存在するが、ワーキングメモリ要素Ｂ１のポイン
タの値Ｎ５と等しい値のアドレスを持つワーキングメモ
リ要素は第２の条件を満たすワーキングメモリ要素には
ない。

【００９５】したがって、ワーキングメモリ要素Ｂ１が
所望のワーキングメモリとして特定されるのである。

【００９６】すなわち、ワーキングメモリソーティング
リストのうちで、Ａ社といメーカーのグループの中の最
高尾のワーキングメモリ要素を捜し出す作業を行うので
あり、ワーキングメモリ要素のポインタの値とアドレス
とをパターンマッチングする。

【００９７】もちろん、種別情報に関する条件が含まれ
ている場合も、（数１）回のパターンマッチングで十分
である。

【００９８】ここで、従来例による推論処理方法とのパ
ターンマッチングの回数を比較してみる。

【００９９】まず、従来の方法によれば、相互の関係に
関する条件が２つあるので、従来例の項で説明したよう
に、

【０１００】

【数３】

【０１０１】回の照合が必要となる。さらに、ワーキン
グメモリ要素の持つ数値情報間の相互の関係に関する条
件の数が増えた場合は、その条件の増加に対応して、回
乗としてパターンマッチングの回数が増えていくが、本
発明の場合は、推論エンジン５による推論に入る前にワ
ーキングメモリ要素にポインタが設定されているので、
いくら条件が増えても、（数１）回のパターンマッチン
グで済むのである。

【０１０２】ここで、ポインタを設定するために、処理
手段１２によって、ワーキングメモリソーティングリス
トを作成する手間を考慮しなければならないが、前述し
たようにそれに要する時間は推論処理におけるパターン
マッチングに要する時間と比較すれば、微々たるもので
ある。

【０１０３】

【発明の効果】以上のように、本発明の推論処理方法
は、従来、推論エンジンにおいて行っていた、所定の条
件に基づいて複数情報間の相互の関係を調べることを、
推論エンジンとは別の処理手段にてあらかじめ行い、そ
の結果をワーキングメモリ要素にポインタとして設定し
ておき、推論エンジンでは、そのポインタに着目して、
推論処理における検索を行うものであり、このポインタ
に注目して検索するだけで、所望のワーキングメモリ要
素が特定でき、そのパターンマッチングの回数は従来例
に比べ少なくて済むので、その処理に要する時間は従来
例に比べ、大幅に短縮されるという効果を奏する。

【図面の簡単な説明】

【図１】プロダクションシステムの概略を示した構成図

【図２】従来の推論処理装置の構成を示したブロック図

【図３】従来の推論処理方法におけるワーキングメモリ
定義を示した図

【図４】同推論処理方法におけるルールの定義を示した
図

【図５】同処理方法におけるワーキングメモリ要素およ
びパターンマッチングの様子を説明した図

【図６】本発明の推論処理装置の構成を示したブロック
図

【図７】同推論処理装置の処理手段の構成を示した図

【図８】本発明の推論処理方法を示したフローチャート

【図９】本発明の第１の実施例における推論処理方法の
工程で作成されたワーキングメモリソーティングリスト
の模式図

【図１０】同推論処理方法におけるルールおよびワーキ
ングメモリ定義を示した図

【図１１】同ワーキングメモリ“機械”を構成するワー
キングメモリ要素を示した図

【図１２】同ルール記述ファイルに定義されたワーキン
グメモリ“要望”のワーキングメモリ定義を示した図

【図１３】同ルール記述ファイルに定義されたワーキン
グメモリ“要望”のワーキングメモリ定義を示した図

【図１４】同ワーキングメモリ要素をソートした様子を
示した図

【図１５】同ワーキングメモリソーティングリストを示
した図

【図１６】同ルール記述ファイルに保存されているルー
ル定義を示した図

【符号の説明】

１ ワーキングメモリ ２ プロダクションシステム ３ ルール記述ファイル ４ プロダクションメモリ ５ 推論エンジン ６ 照合部 ７ 競合解消部 ８ ルール実行部 ９ 手続き型プログラム １０ 起動部 １１ ワーキングメモリ更新部 １２ 処理手段 １３ 種類判別部 １４ 種類分け部 １５ 大小関係調査部 １６ ポインタ設定部

Claims (6)

【特許請求の範囲】
1. 【請求項１】 プリダクションメモリに保存された知識
   を表現したルールと、ワーキングメモリに保存された事
   実を表現したワーキングメモリ要素を用い推論エンジン
   で複数のワーキングメモリ要素の中から所定の条件に基
   づいてワーキングメモリ要素を特定する推論処理を行う
   推論処理方法において、前記推論エンジン以外の処理手
   段により、前記ワーキングメモリ要素の持つ前記所定の
   条件に関わる情報間の相互の関係を調べる工程と、 前記工程において調べた結果から各ワーキングメモリ要
   素に相互情報を設定する工程と、 前記推論エンジンにより、前記ワーキングメモリ要素に
   設定された前記相互情報を用いて推論を行い、所望のワ
   ーキングメモリ要素を特定する工程とを有することを特
   徴とする推論処理方法。
2. 【請求項２】 相互情報を設定する工程は、ワーキング
   メモリ要素の持つ情報を調査する工程と、調査された結
   果に基づきワーキングメモリ要素をソートする工程と、
   ソートされた情報を持つワーキングメモリ要素に相互情
   報を設定する工程とを備えたことを特徴とする請求項１
   記載の推論処理方法。
3. 【請求項３】 各ワーキングメモリ要素は種別情報と数
   値情報とを持ち、相互情報を設定する工程の前に、推論
   エンジン以外の処理手段により、前記ワーキングメモリ
   要素の種別情報間の相互の関係を調査する工程と、調査
   結果に基づいてワーキングメモリ要素を種類分けする工
   程とを行う一方、前記相互情報を設定する工程は、前記
   ワーキングメモリ要素の持つ前記数値情報の大小関係を
   調査する工程と、調査された結果に基づきワーキングメ
   モリ要素をソートする工程と、ソートされた情報を持つ
   ワーキングメモリ要素に相互情報を設定する工程とを備
   えることを特徴とする請求項１記載の推論処理方法。
4. 【請求項４】 知識を表現したルールを保存するプロダ
   クションメモリと、 事実を表現したワーキングメモリ要素を複数保存するワ
   ーキングメモリと、前記ルールおよび前記ワーキングメ
   モリ要素を用いて推論を行う推論エンジンと、 前記複数のワーキングメモリ要素の中から、所定の条件
   に基づいてワーキングメモリ要素を特定する推論処理を
   行うとき、前記ワーキングメモリ要素の持つ前記所定の
   条件に関わる情報間の相互の関係を調べるとともに、調
   べた結果に基づき各ワーキングメモリ要素に設定する相
   互情報を出力する前記推論エンジンとは別個に設けられ
   た処理手段と、 前記出力された相互情報をワーキングメモリ要素に設定
   するワーキングメモリ更新手段とを備え、 前記ワーキングメモリ更新手段により前記ワーキングメ
   モリ要素に設定された前記相互情報を用いて推論処理を
   行う推論処理装置。
5. 【請求項５】 処理手段は、ワーキングメモリ要素の持
   つ情報を調査する調査手段と、調査された結果に基づき
   前記情報をソートするソート手段と、ソートされた情報
   を持つワーキングメモリ要素に相互情報を設定する相互
   情報設定手段とを備えることを特徴とする請求項４記載
   の推論処理装置。
6. 【請求項６】 各ワーキングメモリ要素は種別情報と数
   値情報とを持ち、処理手段は、ワーキングメモリ要素の
   種別情報間の相互の関係を調べる種類判別手段と、前記
   種類判別手段により判別された種類に基づきワーキング
   メモリ要素の種類分けを行う種類分け手段とを備えると
   ともに、前記処理手段は、種類分けされたワーキングメ
   モリ要素の持つ前記数値情報を調査する手段と、調査さ
   れた結果に基づき前記数値情報をソートするソート手段
   と、ソートされた数値情報を持つワーキングメモリ要素
   に相互情報を設定する相互情報設定手段とを備えたこと
   を特徴とする請求項４記載の推論処理装置。