JPS62203225A - 推論処理方式 - 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】 〔概要〕 知識ベースから必要な解を得るための推論手順を、ユー
ザが知識の一部として記述できるようにして、効率的に
推論処理を実行させる。

〔産業上の利用分野〕

本発明は、知識処理システムに関するものであり、特に
知識ベースを対象とする推論処理方式に関する。

〔従来の技術〕

一般に、実社会の知識は９部分的な事実関係に関する多
数の知識の電積からなっている。また人間の思考活動は
、これらの多数の知識の中から。

与えられた条件に合致する解を、′推論すなわち三段論
法を重ねてゆくことにより求めるものである。

たとえば病気の診断の場合、一般に患者についての各種
の身体的症状、病歴、検査結果と個々の病気との間に存
在する多数の事実関係を知識としてもち、その中で特定
の患者の身体的症状、病歴。

検査語ｉ等を用いて、適合する病名が推論される。

計算機を用いた知識処理システムも、同じ原理に基づい
ている。このシステムは、知識ベースに格納されている
事実関係を表す個々の知識を推論部と呼ばれる木構造の
各節点で表し、この推論部の中で、解くべき問題の問い
合わせ条件、すなわち既知の事実関係の集合に適合する
節点の集合を順次探索してゆき、解を求めるものである
。この探索手段は、一般に推論エンジンと呼ばれている
。

第３図にその概念を図式化して示す。

第３図において、３０は知識ベース、３１は知識処理装
置、３２は推論エンジンの機能を果たす推論部。

３３は節点集合格納部、３４は端末を表す。

ユーザは、端末３４から知識処理装置３１に１問い合わ
せ条件となる事実データを入力する。推論部３２は知識
ベース３０を参照し、所定の推論手順にしたがい、与え
られた条件の事実データに基づいて推論処理を実行する
。

節点集合格納部３３には、推論の各段階ごとに知識ベー
ス３０から取出された推論処理対象の節点集合が格納さ
れ、推論部３２の推論進行にしたがって参照および追加
される。

推論部３２の推論処理方式としては、従来、　ＤＥＰＴ
Ｈ−Ｆ　Ｉ　Ｒ３Ｔ方式とＢＲＥＡＴＨ−Ｆ　Ｉ　Ｒ３
Ｔ方式と呼ばれる２つの方式のいずれかが用いられてい
る場合が多い。

第４図（ａ）に、ＤＢ、ＰＴＨ−ＦＩＲ３Ｔ方式の例を
示す。この方式は、知識の木構造を、最上位レベルから
一方の側（たとえば図示のように最左側）を深さ方向に
たどり、最下位レベルに達しても解が得られなかったら
１次の上位レベルに戻って再び深さ方向にたどる方法で
推論が進められるように、推論手順を与える推論部を構
築するものである。図中の■ないし■は、その推論処理
順序を示す。

第４図（ｂ）に、ＢＲＥＡＴＨ−ＦＩＲ３Ｔ方式の例を
示す。この方式は、木構造を、最上位レベルから各レベ
ルごとに水平方向に走査しながら深さ方向に推論処理を
進めるように推論部を構築するものである。図中の■′
ないし■′はその推論処理順序を示す。

第５図（ａ）は、第４図（ａ）のＤＥＰＴＨ−ＦＩＲ３
Ｔ方式による推論部の例であり、第５図（ｂ）は、同図
（ａ）の推論部にしたがって推論を進めた場合に、第３
図の節点集合・格納部３３に格納される節点集合の推移
を示す。

〔発明が解決しようとする問題点〕

従来の推論処理方式では、推論手順（推論部の走査方法
）が知識ベースから独立して推論部内に設定されている
ため、知識ベースに問い合わせられる全ての問題に同一
の推論手順が適用されることになる。

ところで、知識ベースの推論部の特性によっては３問題
にもっとも適した特別の推論手順が存在している場合が
ある（たとえばある事実に高い重要度、緊急度、出現頻
度等があって、特別の優先度が与えられる場合）。その
ような場合には、その特別の推論手順、たとえば探索順
序の指定や探索失敗時のバックトラック手順指定を適用
することにより、処理効率を著しく改善することができ
る。

しかし、ユーザが推論手順を変更するためには。

推論部の内容を書き替えなければならず、一般には極め
て困難であるという問題があった。

〔問題点を解決するための手段〕

問題解決に使用される知識には、与えられた問題の仕様
を記述するオブジェクト知識と戦略（ヒユーリスティク
ス）を記述するメタ知識（戦略型知識）がある。従来の
知識表現方式では、多くの場合２戦略型知識がオブジェ
クト知識中に暗黙のうちにうめこまれていたが９本発明
では、オブジェクト知識と戦略型知識とを分離すること
によって１問題の解決を図るものである。

すなわち本発明は、従来の知識ベースと推論部の上位に
、推論手順に関する知識を格納するメタ知識ベースと、
その推論に関する知識に基づいて推論部の推論手順を制
御するメタ推論部とを設けることにより、推論手順に関
する知識を容易に記述し、利用できるようにするもので
ある。

第１図は本発明の原理を示す構成図である。

第１図において、１０は知識ベース、１１はメタ知識ベ
ース、１２は知識処理装置、１３は推論部、１４はメタ
推論部、１５は節点集合格納部、１６は端末を表す。

知識ベースｌＯおよび推論部１３は、基本的には従来の
知識処理システムにおけるものと同じであり。

知識ベース１０には事実に関する知識が格納され。

推論部１３により所定の手順で参照される。

メタ知識ベース１１には、ユーザが問題に応じて予め記
述した特定の推論手順（あるいは規則）がメタ知識とし
て格納されている。

メタ推論部１４は、ユーザが端末１６から指示した問題
に適合する推論手順すなわち推論部の節点選択情報をメ
タ知識から得て、推論部１３の推論処理を制御する。

〔作用〕

従来の知識処理システムでは、推論手順が推論部につく
りつけになっていたが９本発明では任意種類の推論手順
がメタ知識としてメタ知識ベースに格納されていて、適
宜格納され、メタ推論部に取入れられ機能化されること
により９問題ごとに推論手順を容易に最適化することが
できる。

〔実施例〕

以下に、第１図の構成による実施例の機能を具体例を用
いて説明する。

第２図（ａ）は第５図（ａ）と同じ推論部の例であるが
、ここである問題を処理するためには。

節点■−Ｏ−＠−■を最優先に選択して推論を行わせる
のが有利であることが知られているものとする。この場
合は、■−■−〇−■で開始されるＤＥＰＴＨ−Ｆ　Ｉ
Ｒ３Ｔ方式の推論手順をメタ知識ベースに保持しておき
、該当する問題が与えられたとき、メタ推論部により、
この推論手順のメタ知識が参照され、推論制御に使用さ
れる。第２図（ｂ）は、この推論手順にしたがって節点
集合格納部に順次格納される節点集合の変化を示す。

図示の例において５節点■がゴール（解）であった場合
、推論部を左側から走査する第５図（ｂ）の例にくらべ
て、極めて効率的に推論処理が行われることがわかる。

次に、　Ｐｒｏｌｏｇを用いた知識処理システムの適用
例について説明する。

本システムにおいては、オブジェクト知識とメタ知識は
Ｐｒｏｌｏｇのシンタクスで記述される。メタ知識は次
のように表現できるようにした。

ａ、）　１ｎｈｉｂｉｔ−ｉｎｓｔａｎｃｅ（Ｐ）　ニ
ーｃｏｎｄｉｔｉｏｎ。

１ｎｈｉｂｉＬｉｎｓｔａｎｃｅ型知識は枝刈りを行う
条件を記述する。推論エンジンは、Ｐの解が求まったと
きにこの知識を起動し、それが成功するとその解を無効
にする。

ｂ　）　ｃｈｏｏｓｅ−ｉｎｓｔａｎｃｅ（ＰＡＮ）　
ニーｃｏｎｄｉｔｉｏｎ。

ｃｈｏｏｓｅ−ｉｎｓｔａｎｃｅ型知識は探索の順序を
記述する。推論エンジンは、Ｐを解くときには全数探索
を行い、各インスタンスに対してこの知識を起動して評
価関数Ｎを求め、Ｎの小さいインスタンスから先に探索
を進める。

ｃ）ｂａｃｋｆａｉｌ（Ｐ、Ｑ）　ニーｃｏｎｄｉｔｉ
ｏｎ。

−ｂａｃｋｆａｉｌ型知識は探索に失敗したときにバッ
クトラックする点を記述する。推論エンジンは、Ｐを解
くのに失敗したときにはＱまでバックトラックする。

次に例題を示す。

一つの生産工場からｎ個の消費工場へ の物資の運搬をｍ個の車で行う。運搬にかかる日数は工
場ごとに定まっている。

運搬中の車の動きは決定的であるが生産工場からどの消
費工場へ行くのかを決定するところに非決定性がある。

次のような条件がある。

■　予め定められた工場の休日に車が 到着してはいけない。

■　各工場の在庫量は常に定められた 範囲でなければならない。

■　各車は予め定められた期間中は点 検のために使用できなくなる。

■１問題の仕様の記述 まず、初日から順に車の移動と各工場の在庫量の計算を
繰り返すプログラムは簡単に書くことができる。■から
■の条件は、このプログラム中にうめこむこともできる
。しかし、プログラムに対する制御知識と考えると、意
味的には区別しなければならないが、形式的には戦略型
知識と同じシンタクスで記述できる。たとえば、■の条
件は。

１ｎｈｉ　ｂｉ　ｔ−１ｎｓｔａｎｃｅ　（ｎｅｘ　ｔ
−ｐｏｓ　（ｐｏｓ　＋　Ｐａｃ　ｔｏｒｙ、　Ｄａｙ
）　）　：　−ｈｏｌｉｄａｙ（Ｆａｃｔｏｒｙ、Ｄａ
ｙ）。

と記述できる。ここで、　ｎｅｘＬｐｏｓは次の日の車
の位置を求める述語で、第１引数に現在の位置を与える
と第２引数に次の位置が返る。この知識は。

次の位置が休日の工場であるような車の動きを禁止して
いる。

このようにして１問題の仕様を簡潔に記述することがで
きる。次にメタ知識を記述する。

■、メタ知識の記述 （１）早い時期の枝刈り 最も簡単に効率をあげる戦略は、技刈りを早い時期に行
うことである。たとえば２次のように記述することによ
って、車が生産工場を出発するときに■の条件による枝
刈りを行うことができる。

１ｎｈｉｂｉｔ−ｔｎｓｔａｎｃｅ（ｎｅｘｔ−ｐｏｓ
（ｆＯ，Ｎｅｘｔ　　ｐｏｓ、Ｄａｙ））ニーｇｏａｌ
−ｆａｃｔｏｒｙ（Ｎｅｘｔ−ｐｏｓ＋Ｆａｃｔｏｒｙ
）＋ａｒｒｉｖａｌ　（Ｆａｃｔｏｒｙ＋　Ｄａｙ＋　
Ａｒｒｉｖａｌ）　＋ｈｏｌｉｄａｙ（Ｆａｃｔｏｒｙ
、Ａｒｒｉｖａｌ）。

ここで、　ｇｏａｌ　ｆａｃｔｏｒｙは行き先の工場を
求める述語で、　ａｒｒｉｖａｌは到着日を求める述語
である。

しかし、このような先読みによって全ての技刈りを行う
ことは不可能である。

（２）探索の順序の制御 二の例題では、生産工場から出発する際にどの工場にい
くのかを決定するところに非決定性がある。制御を行わ
ない場合、探索の順序はｎｅｘＬｐｏｓが宣言された順
序によって決まってしまう。効率の良い探索を行うため
には。

これを制御する戦略が必要になる。たとえば。

「上　　れが゛っている工”に　　　に′−＜」という
戦略型知識は次のように記述される。

ｃｈｏｏｓｅ　１ｎｓｔａｎｃｅ（ｎｅｘｔ　ｐｏｓ（
ｆｏ、Ｎｅｘｔ　ｐｏｓ、Ｄａｙ）＋Ｎ）ニーｇｏａｌ
ｊａｃｔｏｒｙ　（Ｎｅｘｔ−ｐｏｓ、　Ｆａｃｔｏｒ
ｙ）　＋１１ｍ１ｔ（Ｆａｃｔｏｒｙ、Ｎ）。

ここで、　１１ｍ１ｔは工場の在庫が切れるまでの日数
を計算する述語で、その値を評価関数として使っている
。・ （３）バックトラックポイントの指定 （２）のような戦略を導入しても、バックトラックは起
こる。たとえば、今日出発しないと下限を割る工場ｆが
あるにもかかわらず。

点検等の理由によってｆに出発できる車がないことがあ
る。このようなとき、単純なバ・ツクトラックを行うと
、ｆ以外の工場に出発する選択枝を選んで再び同じ失敗
をすることがある。次のような記述をすることによって
ｆに出発する選択枝までバックトラックさせることがで
きる。

Ｚ ｂａｃｋｆａｉｌ　（ｎｅｘｔ−ｐｏｓ　（ｆｏ＋　Ｎ
ｅｘｔ−ｐｏｓ、　Ｄａｙ）　＋ｎｅｘｔ−ｐｏｓ　（
ｆｏ＋　Ｎｅｘｔ−ｐｏｓ＋　Ｄａｙ２）　）　：ｇｏ
ａｌ−ｆａｃｔｏｒｙ　（Ｎｅｘｔ−ｐｏｓ、　Ｆａｃ
ｔｏｒｙ）　１１１ｍ１ｔ（Ｆａｃｔｏｒｙ、Ｏ）。

〔発明の効果〕

本発明によれば、推論部の推論手順を制御する論理構造
が、メタ知識を用いて任意に設定あるいは設定変更でき
るため１次のような利点が得られる。

（１）戦略型知識を独立に記述できる。

（２）オブジェクト知識（問題の仕様）の記述が明確で
容易になる。

（３）仕様や戦略の変更などの知識の更新に強い。

この結果、ユーザの問題に最適の推論手順を採用するこ
とが容易になり、効率的で高速処理可能な知識処理シス
テムが実現できる。

【図面の簡単な説明】

第１図は本発明の原理的構成図、第２図は本発明実施例
における推論本例と節点集合変化の説明図、第３図は従
来の知識処理システムの構成図。 第４図は推論処理方式の例の説明図、第５図は従来方式
による推論本例と節点集合変化の説明図である。 第１図中。 １０：知識ベース １１：メタ知識ベース １３：推論部 １４：メタ推論部 １５：節点集合格納部

Claims (1)

1. 【特許請求の範囲】 知識ベース（１０）と、知識ベース（１０）の知識を対
   象に推論を実行し問題の解を求める推論部（１３）とを
   そなえた知識処理システムにおいて、 推論部（１３）が知識ベース（１０）を対象に推論を実
   行するための手順を規定する戦略的知識を記述したメタ
   知識を格納するメタ知識ベース（１１）と、メタ知識ベ
   ース（１１）のメタ知識に基づいて推論手順を決定する
   メタ推論部（１４）とを設け、メタ推論部（１４）が決
   定した推論手順にしたがって推論部（１３）に推論を実
   行させることを特徴とする推論処理方式。