JPH0644074A - 知識ベースおよび推論方法および説明文生成方法 - Google Patents

Abstract

(57)【要約】 【目的】 知識ベースの整合性を保証することを容易に
する。整合性のとれていない知識ベースを用いても推論
結果を導き出すことを可能にする。推論結果を導き出し
た過程を示す説明文を生成する。 【構成】 事象情報を表わす複数のノードと、それらノ
ードの因果関係を定義したリンクとからなるネットワー
ク構造で知識ベースを構成する。データが決定されてい
るノードから、リンクをたどって、データが決定されて
いないノードのデータを求め、これを繰り返して推論を
進める。データに矛盾を生じた場合には、１つのデータ
を仮説として選択し、その仮説から推論を進める。デー
タを決定するのに採用したデータをもつノードとそれら
ノードを結ぶリンクから説明文を生成する。 【効果】 金利予測システムや故障診断システムなどに
有用である。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、知識ベースおよび推論
方法および説明文生成方法に関し、さらに詳しくは、因
果関係の知識ベースおよび因果関係の知識ベースを用い
た推論方法および推論過程を示す説明文生成方法に関す
る。

【０００２】

【従来の技術】従来、データおよびデータ間の因果関係
を記述したルール（プロダクション・ルール）の集合に
よる知識ベースが知られている。また、データおよびデ
ータ間の帰属関係をネットワーク構造で表した知識ベー
スが知られている。

【０００３】従来の推論方法としては、例えば「エキス
パートシステムにおける知識表現と推論、新田克己著、
情報処理、Ｖｏｌ．２８、Ｎｏ．２、第１５８頁〜第１
６６頁、（１９８７）」において論じられているよう
に、ルール群による知識ベースを用いて推論を行うのも
のが知られている。

【０００４】

【発明が解決しようとする課題】従来のネットワーク構
造で表した知識ベースは、因果関係を表現するものでは
ないため、推論には用いられていない。

【０００５】推論には、ルール群による知識ベースが用
いられるが、例えば、 ルール１：もし Ａ ならば Ｂ である。 ルール２：もし Ｂ ならば Ａ である。 というループしたルールが存在したとすると、ルール１
とルール２を際限なく繰り返して推論が進まなくなって
しまう。また、例えば、 ルール１：もし Ａ ならば Ｂ である。 ルール２：もし Ａ ならば Ｂ でない。 という矛盾したルールが存在すると、推論を行なうこと
が出来なくなってしまう。これらを回避するためには、
ループしたルールや矛盾したルールの存在しないルール
群からなる知識ベースを用いればよい（このような知識
ベースを整合性のとれた知識ベースという）。あるい
は、知識ベースの整合性がとれていない場合に対処する
ためのルールを予め作っておけばよい。

【０００６】ところが、ルール群による表現では知識ベ
ースの全体像を把握しにくいため、知識ベースの整合性
を保証するのが困難となる問題点がある。また、知識ベ
ースはユーザにより変更されるため、知識ベースの整合
性がとれていない場合に対処するためのルールを予め作
ることが容易でない問題点がある。

【０００７】そこで、本発明の第１の目的は、知識ベー
スの整合性を保証するのが容易な知識ベースを提供する
ことにある。また、本発明の第２の目的は、整合性のと
れていない知識ベースを用いても推論結果を導き出すこ
とが可能な推論方法を提供することにある。さらに、推
論結果を導き出した過程を示す説明文を生成することが
できる説明文生成方法を提供することにある。

【０００８】

【課題を解決するための手段】第１の観点では、本発明
は、各々が事象情報を表わす複数のノードと、１または
２以上のノードを入力ノードとし別の１または２以上の
ノードを出力ノードとしそれら入力ノードと出力ノード
の因果関係を定義したリンクとからネットワーク構造を
構成したことを特徴とする知識ベースを提供する。

【０００９】第２の観点では、本発明は、上記知識ベー
スにおける１または２以上のノードに初期データが入力
されたときに、前記初期データが入力されたノードを入
力ノードとし初期データが入力されていないノードを出
力ノードとするリンクの中から１つを選択し、そのリン
クに定義されている因果関係に入力ノードの初期データ
を適用することにより出力ノードのデータを決定し、前
記選択と決定を繰り返し、前記データが決定されたノー
ドを入力ノードとしデータが決定されていないノードを
出力ノードとするリンクの中から１つを選択し、そのリ
ンクに定義されている因果関係に入力ノードのデータを
適用することにより出力ノードのデータを決定し、前記
選択と決定を繰り返し、ノードのデータを決定してゆく
ことを特徴とする推論方法を提供する。

【００１０】第３の観点では、本発明は、上記推論方法
において、１つのノードが複数のリンクの出力ノードに
なっており，各リンクから求めた出力ノードのデータが
一致しない場合に、１つのデータを仮説として選択し、
出力ノードのデータを決定することを特徴とする推論方
法を提供する。

【００１１】第４の観点では、本発明は、上記推論方法
によってターゲットノードのデータが決定された後、そ
のデータを決定するのに採用したデータをもつノードと
それらノードを結ぶリンクから推論過程についての説明
文を生成することを特徴とする説明文生成方法を提供す
る。

【００１２】

【作用】本発明の知識ベースでは、事象情報を表わす複
数のノードと、それらノードの因果関係を定義したリン
クとからなるネットワーク構造により知識を構成する。
この知識ベースは因果関係を表現するから推論に用いる
ことが出来る。また、ネットワーク構造による表現だか
ら知識ベースの全体像を把握しやすく知識ベースの整合
性を保証しやすい。

【００１３】本発明の推論方法では、データが決定され
ているノードから、リンクをたどって、データが決定さ
れていないノードのデータを求め、これを繰り返して推
論を進める。既にデータが決定されているノードへリン
クをたどることがないため、ループを生じない。また、
データに矛盾を生じた場合には、１つのデータを仮説と
して選択し、その仮説から推論を進める。このため、知
識ベースに矛盾を含む場合でも推論結果を得ることが出
来る。すなわち、整合性のとれていない知識ベースを用
いても推論結果を導き出すことが出来る。

【００１４】本発明の説明文生成方法では、データを決
定するのに採用したデータをもつノードとそれらノード
を結ぶリンクから説明文を生成する。データを決定する
のに採用したデータをもつノードとそれらノードを結ぶ
リンクは、推論過程そのものなので、簡単な処理で説明
文を生成できる。

【００１５】

【実施例】以下、図に示す実施例により本発明をさらに
説明する。なお、これにより本発明が限定されるもので
はない。図１は、本発明の方法を実施する知識システム
の構成図である。この知識システム２００は、ディスプ
レイ装置等の出力装置２０１と、キーボード，マウス等
の入力装置２０２と、推論を行うための推論マシン２０
３よりなる。推論マシン２０３は、入出力部２０４と、
推論部２０５と、知識ネットワーク２０６と、編集部２
０７よりなる。

【００１６】入出力部２０４は、出力装置２０１に知識
ネットワーク２０６を表示する。また、入力装置２０２
を介して入力されたコマンドやデータを受け付ける。推
論部２０５は、入出力部２０４より入力された初期デー
タと知識ネットワーク２０６から、図１に示す推論方法
により推論を行い、推論結果を入出力部２０４に出力す
る。また、推論結果を導いた過程を記述した説明文を生
成し、入出力部２０４に出力する。入出力部２０４は、
推論結果，説明文を出力装置２０１上に出力する。編集
部２０７は、入出力部２０４より入力されたデータによ
り知識ネットワーク２０６を編集する。

【００１７】図２は、知識ネットワーク２０６の具体例
である。この知識ネットワーク２０６は、様々な経済指
標から明日の金利を予測するための知識ベースであり、
経済指標のデータを持つノード４０１〜４１１と，それ
らのノード４０１〜４１１間の因果関係を記述したリン
クＬ０１〜Ｌ１４とからなる。

【００１８】図３は、「準備預金進捗状況を示す指標」
のノード４０４と，「準備預金進捗状況」のノード４０
８の表現方式の具体例である。ここに示すように、ノー
ドは、ノード名称と，データタイプと，データとを蓄積
する。 データタイプ：データの具体例としては、「数値：１．
０」、「イベント：Ａ社がメーカーである」、「ファジ
ィ命題：利益が低い」、「定性値：正／負／増加／減
少」などがある。

【００１９】図４は、「準備預金進捗状況を示す指標」
のノード４０４から「準備預金進捗状況」のノード４０
８へのリンクＬ０４の表現方式の具体例である。ここに
示すように、リンクは、リンク名称と，入力ノード名称
と，出力ノード名称と，重みと，評価値と，入力ノード
→出力ノード間の因果関係を示す関数（数式・ルール・
対応表）を蓄積する。入力ノード名称，出力ノード名称
には、複数のノード名称を記述できる。複数のノード名
称を入力ノード名称として記述した場合は、各入力ノー
ドのデータを合せて出力ノードのデータを決定する。図
２におけるノード４０５とノード４０６からノード４０
９へのリンクＬ０５がこれに当たり、「今日のレート」
と「時期的要因」の２つの入力データを合せて「金利レ
ベル観（今日のレートは高いか安いか）」を判定する。
複数のノード名称を出力ノード名称として記述した場合
は、各出力ノードのデータをそれぞれ決定し出力する。
重みは、ユーザがリンクの重要度を基に設定する定数で
あり、リンクの重要度が高いほど大きな値を持つ。＜０
＞〜＜１＞の値を取る。評価値は、推論の過程でリンク
の因果関係の強さを基に決定する変数であり、リンクの
因果関係が強いほど大きな値を持つ。＜０＞〜＜１＞の
値を取る。

【００２０】図５は、知識システム２００の動作を示す
処理フロー図である。ステップ３０１では、出力装置２
０１上に知識ネットワーク２０６を表示する。表示例を
図９に示す。知識ネットワークが大きくて画面に入らな
いときは、スクロール方式としたり，表示倍率の異なる
マルチウインドウ方式としたり，知識ネットワークを階
層化・グループ化して階層単位・グループ単位で表示す
る。

【００２１】ステップ３０２では、推論開始か知識編集
かをユーザに問い合わせる。推論開始が選択された場合
には、ステップ３０３に進む。知識編集が選択された場
合には、ステップ３０８に進む。ここでは推論開始を選
択したものとする。

【００２２】ステップ３０３では、出力装置２０１上に
表示された知識ネットワークに対して、どのノードにデ
ータ入力を行うかをマウスを用いて選択し、選択したノ
ードにキーボードを利用して初期データを入力する。こ
こではノード４０１〜４０６にそれぞれ初期データを入
力したものとする。ステップ３０４では、出力装置２０
１上に表示された知識ネットワークに対して、どのノー
ドのデータを推論結果として出力するかをマウスを用い
て指示する。指示されたノードを最終目標として推論を
行うため、この指示されたノードをターゲットノードと
呼ぶ。ここでは「金利予測」のノード４１１を指示した
ものとする。

【００２３】ステップ３０５では、推論処理を行う。こ
の推論処理を、図６の処理フロー図を用いて説明する。
ステップ７０１では、各リンクの初期評価値を設定す
る。初期評価値は、評価値の本来の意味とは異なり、処
理実行順序を決定するための便宜上の値である。初期評
価値の設定ルールは、例えば、ターゲットノードに向か
うリンクの初期評価値はターゲットノードに向かわない
リンクの初期評価値よりも大きく設定する。また、ター
ゲットノードから遠いリンクの初期評価値は近いリンク
の初期評価値よりも大きく設定する。

【００２４】ステップ７０２では、処理対象ノードを抽
出する。処理対象ノードは、初期データが定義されてい
るノードとリンクで直接連結されているノードである
（但し、初期データが定義されているノードは除外す
る）。ここでは、ノード４０７，４０８，４０９，４１
１が処理対象ノードとして抽出される。

【００２５】ステップ７０３では、処理対象ノードがな
いか判定する。処理対象ノードがなければ、図５のステ
ップ３０６に進む。処理対象ノードがあれば、ステップ
７０４に進む。ここでは、処理対象ノード４０７，４０
８，４０９，４１１があるので、ステップ７０４に進
む。

【００２６】ステップ７０４では、処理対象ノード群か
らノードを１つ選出する。この選出は、各処理対象ノー
ドに連結しているリンクに設定されている初期評価値が
最大のノードを選出する。連結しているリンクが複数あ
るときは、それらリンクの初期評価値の平均値で比較す
る。そして、選択したノードをノードＮｉとする。ここ
ではノード４０８を選択し、これをノードＮｉとする。

【００２７】ステップ７０５では、データが定義されて
いるノードからノードＮｉに向かって連結しているリン
ク（これを入力リンクと呼ぶ）が複数あるか判定する。
複数ある場合は、ステップ７０９に進む。複数ない場合
は、ステップ７０６に進む。ここでは、ノード４０８
（ノードＮｉ）についての入力リンクは、リンクＬ０４
だけなので、ステップ７０６に進む。

【００２８】ステップ７０６では、入力リンクの関数に
よりノードＮｉのデータを定義する。ここでは、リンク
Ｌ０４（入力リンク）の関数（図４参照）と「準備預金
進捗状況を示す指標」のノード４０４のデータ＜３．０
＞（図３参照）とから、「準備預金進捗状況」のノード
４０８（ノードＮｉ）の値＜進んでいる＞を得て、その
値＜進んでいる＞を図３の「準備預金進捗状況」のノー
ド４０８のデータとして格納する。

【００２９】ステップ７０７では、入力リンクの関数に
よりその評価値を定める。ここでは、リンクＬ０４（入
力リンク）の関数（図４参照）と「準備預金進捗状況を
示す指標」のノード４０４のデータ＜３．０＞（図３参
照）とから、評価値の値＜１．０＞を得て、その値＜
１．０＞を図４のリンクＬ０４の評価値として格納す
る。

【００３０】ステップ７０８では、ノードＮｉを処理対
象ノード群から削除すると同時に、ノードＮｉとリンク
で直接連結されているノード（但し、データが定義され
ているノードは除外する）を処理対象ノード群に加える
ことにより、処理対象ノード群を更新する。ここでは、
ノード４０８を処理対象ノード群から削除し、ノード４
１０を処理対象ノード群に加える。そして、前記ステッ
プ７０３に戻る。

【００３１】さて、ステップ７０４で、ノードＮｉとし
てノード４０７が選出されたとすると、ノード４０７は
３本の入力リンク（リンクＬ０１，Ｌ０２，Ｌ０３）を
持つから、ステップ７０５からステップ７０９へ進む。

【００３２】ステップ７０９では、複数の入力リンクが
競合を起こすか判定する。すなわち、各入力リンクの関
数を適用してノードＮｉのデータをそれぞれ求めて、そ
れらのデータを比較し、全てが一致しなければ競合を起
こすと判定する。例えば、リンクＬ０１，Ｌ０２，Ｌ０
３とノード４０１，４０２，４０３のデータからノード
４０７のデータをそれぞれ求めて、それらのデータが全
て同じ値「今日の日銀調節姿勢はきつめ」なら、競合は
生じていないと判定する。競合を起こす場合は、ステッ
プ７１０に進む。競合を起こさない場合は、前記ステッ
プ７０６に進んでデータを定義し、前記ステップ７０７
に進んでリンクの評価値を定め、前記ステップ７０８に
進む。

【００３３】ステップ７１０では、第１に評価値の最も
高い入力リンク，第２に重みの最も大きい入力リンクお
よびその入力リンクと連結したノードを仮説として選択
する。また、その仮説と同じ値のデータになる入力リン
クおよびその入力リンクと連結したノードも合せて仮説
とする。残りの入力リンクおよびその入力リンクと連結
したノードは、仮説候補として記憶する。また、競合が
生じたノードも記憶する。例えば、仮説｛リンクＬ０
１，Ｌ０２およびノード４０１，４０２｝と，仮説候補
｛リンクＬ０３およびノード４０３｝と，競合を生じた
ノード４０７とを関連づけて記憶する。さらに、ノード
Ｎｉで仮説（Ａ）を選択した際に仮説候補（ａ）となっ
たノードＮａが、それまでの処理において競合を生じた
ノードとして記憶されていたときは、そのノードＮａに
ついての仮説（Ｂ）を仮説候補（ｂ）のいずれかに変更
してみる。仮説候補（ｂ１）を仮説に変更した結果、ノ
ードＮａからノードＮｉへのリンクが仮説（Ａ）と同じ
値のデータを与える入力リンクに変る場合は、ノードＮ
ａについては仮説候補（ｂ１）と仮説とする。さらに、
ノードＮａを仮説（Ａ）に加える。仮説を選択した後、
前記ステップ７０６に進んで仮説に基づきデータを定義
し、前記ステップ７０７に進んでリンクの評価値を定
め、前記ステップ７０８に進む。

【００３４】以上のようにして、処理対象ノードがなく
なるまで、ステップ７０３〜ステップ７１０を繰り返し
行う。処理対象ノードがなくなった時点では、ターゲッ
トノードのデータが定義されている。ここではターゲッ
トノード４１１のデータが例えば「８．１〜８．３％」
と定義されたものとする。

【００３５】図６のステップ７０３から図５のステップ
３０６に進み、ステップ３０６では、上記推論処理で得
られた結果を出力装置２０１に表示する。ここではター
ゲットノード４１１のデータ「金利予測は、８．１〜
８．３％」を出力装置２０１に表示する。また、その推
論結果を導いた道筋を知識ネットワーク上で表示する。
図１０に、その表示例を示す。推論結果を導いた道筋以
外のノード，リンクを例えば破線で目立たないように表
示している。

【００３６】ステップ３０７では、この推論結果を導い
た道筋（推論過程）の説明文を生成するかどうかをユー
ザに問い合わせる。説明文を生成する場合、ステップ３
０９に進む。説明文を生成しない場合、処理を終了す
る。

【００３７】ステップ３０９では、説明文生成処理を行
う。この説明文生成処理を、図７の処理フロー図を用い
て説明する。ステップ９０１では、推論結果を導くのに
採用したノード群より未処理の一つのノードを選出す
る。選出する順序は、ターゲットノードから遠いノード
ほど先に選出する。ここではノード４０１，４０２，４
０４，４０７，４０８，４１０より例えばノード４０４
を選出したとする。

【００３８】ステップ９０２では、前記ステップ９０２
で未処理の一つのノードを選出できたか判定する。選出
できた場合は、ステップ９０３に進む。未処理のノード
がなく，選出できなかった場合は、ステップ９０４に進
む。ここではステップ９０３に進むものとする。

【００３９】ステップ９０３では、選出したノードを入
力ノードにもつリンクを探し、そのリンクの入力ノード
｛Ｃ｝と出力ノード｛Ｄ｝を得る。次に、入力ノード
｛Ｃ｝のデータ＜ｃ＞を求める。また、出力ノード
｛Ｄ｝のデータ＜ｄ＞を求める。そして、説明文の要素
「｛Ｃ｝が＜ｃ＞だから、｛Ｄ｝は｛ｄ｝である」を生
成する。例えば、選出したノード４０４を入力ノードに
もつリンクとしてリンクＬ０４を探し、そのリンクＬ０
４の入力ノードとして「準備預金進捗状況を示す指標」
のノード４０４を得、また出力ノードとして「準備預金
進捗状況」のノード４０８を得る。次に、ノード４０４
のデータ＜３．０＞を求める。また、ノード４０８のデ
ータ＜進んでいる＞を求める。そして、説明文の要素
「準備預金進捗状況を示す指標が３．０だから、準備預
金進捗状況は進んでいる。」を生成する。

【００４０】上記ステップ９０１〜９０３を繰り返す
と、未処理ノードがなくなり、ステップ９０２からステ
ップ９０４に進む。ステップ９０４では、生成した要素
を生成順に列挙する。これにより説明文が生成されたこ
とになる。説明文の例を次に挙げると、「日銀からの準
備預金積上げ額が…だから、今日の日銀調節姿勢は
…。」「手形オペ実施額が…だから、今日の日銀調節姿
勢は…。」「準備預金進捗状況を示す指標が…だから、
準備預金進捗状況は…。」「今日の日銀の調節姿勢が…
だから、明日の日銀調節姿勢は…。」「準備預金進捗状
況が…だから、明日の日銀調節姿勢は…。」「明日の日
銀調節姿勢が…だから、金利予測は…。」となる。

【００４１】図８は、ユーザからの要求により説明文の
別案を生成する処理フロー図である。ステップ１００１
では、競合を生じたノードの一つを抽出する。ステップ
１００２では、抽出したノードについての仮説候補を仮
説に変更する。ステップ１００３では、新たな仮説を基
に推論処理および説明文生成処理を実行する。

【００４２】図５に戻り、ステップ３０２において知識
編集を選択した場合、ステップ３０８に進むが、ステッ
プ３０８では、出力装置２０１に表示した知識ネットワ
ークに対して入力装置２０２を操作することにより知識
ネットワークの編集を行う。すなわち、知識ネットワー
クを表示している画面上でマウス，キーボードを操作し
てノード，リンクを指示し、ノード，リンクの追加，削
除，属性変更を行う。

【００４３】以上の知識システム２００では、知識ネッ
トワーク２０６の任意のノードに対してデータを入力で
き、任意のノードをターゲットノードにできる。このた
め、任意のノードから任意のノードへ推論を進めること
が出来る。また、データの不一致を生じた場合に、どれ
を仮説として選択するかを例えばリンクの重みを変える
ことによりユーザが簡単に変更できる。このため、知識
システム２００の有用性を維持しやすい。

【００４４】他の実施例としては、競合を生じた場合
に、多数決により仮説を選択するものが挙げられる。ま
た、他の実施例としては、ネットワーク構造以外の知識
ベースをネットワーク構造に変換して本発明の推論方
法，説明文生成方法を適用するものが挙げられる。

【００４５】

【発明の効果】本発明の知識ベースによれば、推論に用
いるための知識をネットワーク構造で表せる。また、知
識ベースの全体像を把握しやすく、知識ベースの整合性
を保証しやすくなる。本発明の推論方法によれば、整合
性のとれていない知識ベースを用いても推論結果を導き
出すことが出来る。本発明の説明文生成方法によれば、
簡単な処理で説明文を生成できる。従って、金利予測シ
ステムや故障診断システムなどに有用である。

【図面の簡単な説明】

【図１】本発明を実施する知識システムの構成図であ
る。

【図２】本発明の知識ベースの例示図である。

【図３】ノードの表現方式の例示図である。

【図４】リンクの表現方式の例示図である。

【図５】本発明の一実施例の処理フロー図である。

【図６】推論処理を説明する処理フロー図である。

【図７】説明文生成処理を示す処理フロー図である。

【図８】説明文別案生成処理を示す処理フロー図であ
る。

【図９】知識ネットワークの表示の例示図である。

【図１０】推論結果の表示の例示図である。

【符号の説明】

２００ 知識システム ２０６ 知識ネットワーク ４０１〜４１１ ノード Ｌ０１〜Ｌ１４ リンク。

Claims (13)

【特許請求の範囲】
1. 【請求項１】 各々が事象情報を表わす複数のノード
   と、１または２以上のノードを入力ノードとし別の１ま
   たは２以上のノードを出力ノードとしそれら入力ノード
   と出力ノードの因果関係を定義したリンクとからネット
   ワーク構造を構成したことを特徴とする知識ベース。
2. 【請求項２】 請求項１の知識ベースにおいて、リンク
   は、因果関係の強さを表す値と，そのリンクの重要度を
   表す値とをさらに定義可能であることを特徴とする知識
   ベース。
3. 【請求項３】 請求項１または請求項２の知識ベースに
   おける１または２以上のノードに初期データが入力され
   たときに、前記初期データが入力されたノードを入力ノ
   ードとし初期データが入力されていないノードを出力ノ
   ードとするリンクの中から１つを選択し、そのリンクに
   定義されている因果関係に入力ノードの初期データを適
   用することにより出力ノードのデータを決定し、前記選
   択と決定を繰り返し、前記データが決定されたノードを
   入力ノードとしデータが決定されていないノードを出力
   ノードとするリンクの中から１つを選択し、そのリンク
   に定義されている因果関係に入力ノードのデータを適用
   することにより出力ノードのデータを決定し、前記選択
   と決定を繰り返し、ノードのデータを決定してゆくこと
   を特徴とする推論方法。
4. 【請求項４】 請求項１または請求項２の知識ベースに
   おける１または２以上のノードに初期データが入力され
   別の１つのノードがターゲットノードとして指示された
   ときに、前記初期データが入力されたノードを入力ノー
   ドとし初期データが入力されていないノードを出力ノー
   ドとするリンクの中から１つを選択し、そのリンクに定
   義されている因果関係に入力ノードの初期データを適用
   することにより出力ノードのデータを決定し、前記選択
   と決定を繰り返し、前記データが決定されたノードを入
   力ノードとしデータが決定されていないノードを出力ノ
   ードとするリンクの中から１つを選択し、そのリンクに
   定義されている因果関係に入力ノードのデータを適用す
   ることにより出力ノードのデータを決定し、前記選択と
   決定を繰り返し、前記ターゲットノードのデータを決定
   することを特徴とする推論方法。
5. 【請求項５】 請求項３または請求項４の推論方法にお
   いて、１つのノードが複数のリンクの出力ノードになっ
   ており，各リンクから求めた出力ノードのデータが一致
   しない場合に、１つのデータを仮説として選択し、出力
   ノードのデータを決定することを特徴とする推論方法。
6. 【請求項６】 請求項５の推論方法において、各リンク
   の因果関係の強さを表す値またはそのリンクの重要度を
   表す値の少なくとも一方に基づいて１つのデータを仮説
   として選択することを特徴とする推論方法。
7. 【請求項７】 請求項５または請求項６の推論方法にお
   いて、出力ノードで仮説として選択されなかったデータ
   を与えるリンクの入力ノードのデータが仮説に基づいて
   決定されているときに、その入力ノードでの仮説を変更
   しデータを変更してみると、前記リンクが出力ノードで
   仮説として選択されたデータを与える場合は、前記入力
   ノードでの仮説を変更しデータを変更することを特徴と
   する推論方法。
8. 【請求項８】 請求項４から請求項７のいずれかの推論
   方法において、知識ベースのネットワーク構造を画像出
   力装置の画面に表示し、その表示されたネットワーク構
   造のノードをユーザが指示して初期データを入力するノ
   ードおよびターゲットノードの指示を行い、ターゲット
   ノードのデータが決定された後、そのデータを決定する
   のに採用したデータをもつノードとそれらノードを結ぶ
   リンクとを他のノードやリンクと区別可能する態様で前
   記画面に表示することを特徴とする推論方法。
9. 【請求項９】 請求項３から請求項８のいずれかの推論
   方法において、知識ベースのネットワーク構造を画像出
   力装置の画面に表示し、その表示されたネットワーク構
   造のノードやリンクをユーザが指示してノードやリンク
   の追加，削除，変更を行い、知識ベースを編集すること
   を特徴とする推論方法。
10. 【請求項１０】 請求項３から請求項９のいずれかの推
    論方法において、ユーザの要求に応じて仮説を変更し、
    各ノードのデータを更新することを特徴とする推論方
    法。
11. 【請求項１１】 請求項４から請求項１０のいずれかの
    推論方法によってターゲットノードのデータが決定され
    た後、そのデータを決定するのに採用したデータをもつ
    ノードとそれらノードを結ぶリンクから推論過程につい
    ての説明文を生成することを特徴とする説明文生成方
    法。
12. 【請求項１２】 請求項１１の説明文生成方法におい
    て、リンクに対応して説明文の要素を生成し、それら説
    明文の要素を因果関係の順に列挙して説明文を生成する
    ことを特徴とする説明文生成方法。
13. 【請求項１３】 請求項１１または請求項１２の説明文
    生成方法において、ユーザの要求に応じて仮説を変更し
    て推論方法を再実行し、その実行結果により説明文を再
    生成することを特徴とする説明文生成方法。