KR20060054977A - 전문가 시스템의 지식 베이스 구축 방법, 이에 적합한장치, 그리고 기록 매체 - Google Patents

전문가 시스템의 지식 베이스 구축 방법, 이에 적합한장치, 그리고 기록 매체 Download PDF

Info

Publication number
KR20060054977A
KR20060054977A KR1020040094265A KR20040094265A KR20060054977A KR 20060054977 A KR20060054977 A KR 20060054977A KR 1020040094265 A KR1020040094265 A KR 1020040094265A KR 20040094265 A KR20040094265 A KR 20040094265A KR 20060054977 A KR20060054977 A KR 20060054977A
Authority
KR
South Korea
Prior art keywords
knowledge
agent
data
knowledge base
hypothesis
Prior art date
Application number
KR1020040094265A
Other languages
English (en)
Inventor
김연호
변지윤
김연배
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020040094265A priority Critical patent/KR20060054977A/ko
Priority to US11/280,210 priority patent/US20060106744A1/en
Publication of KR20060054977A publication Critical patent/KR20060054977A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40—Data acquisition and logging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions

Abstract

본 발명은 전문가 시스템을 위한 지식 베이스 구축 방법 및 장치에 관한 것으로서 특히, 지식 공학자의 개입 없이도 전문가 시스템의 지식 베이스를 구축할 수 있는 방법, 이에 적합한 장치, 그리고 이에 적합한 기록 매체에 관한 것이다.
본 발명에 따른 지식 베이스 구축 방법은 대상 문제를 해결하기 위한 가설을 생성하는 과정; 생성된 가설을 바탕으로 데이터 베이스 검색에 필요한 키워드들을 생성하는 과정; 생성된 키워드들을 사용하여 데이터 베이스들을 검색하여 데이터들을 수집하는 과정; 및 수집된 데이터들로부터 대상 문제를 해결하기 위한 지식을 추출하고, 추출된 지식을 지식 베이스에 저장하기 위한 구조로 구조화하는 과정을 포함하는 것을 특징으로 한다.
본 발명에 따른 지식 베이스 구축 방법은 지식 공학자의 개입 없이 전문가 시스템의 지식 베이스를 자동적으로 갱신, 유지 및 보수함으로써 지식 베이스의 구축을 위한 시간 및 경비를 절감시키게 하는 효과를 가진다..

Description

전문가 시스템의 지식 베이스 구축 방법, 이에 적합한 장치, 그리고 기록 매체{Method for construction knowledge base of expert system, apparatus and recording media thereof}
도 1은 전문가 시스템의 기능을 도식적으로 보이는 것이다.
도 2는 종래의 지식 베이스 구축 방법을 도식적으로 보이는 것이다.
도 3은 본 발명에 따른 지식 베이스 구축 방법을 보이는 흐름도이다.
도 4는 도 3에 도시된 본 발명에 따른 지식 베이스 구축 방법의 일 실시예를 보이는 것이다.
도 5는 에이전트의 기능적인 구성을 보이는 것이다.
도 6은 에이전트 플랫폼의 표준 모델을 보이는 것이다.
도 7은 본 발명에 따른 지식 베이스 구축 장치의 구성을 보이는 블록도이다.
도 8은 도 7에 도시된 본 발명에 따른 지식 베이스 구축 장치의 일실시예를 보이는 것이다.
도 9는 도 7에 도시된 본 발명에 따른 지식 베이스 구축 장치의 다른 실시예를 보이는 것이다.
본 발명은 전문가 시스템을 위한 지식 베이스 구축 방법 및 장치에 관한 것으로서 특히, 지식 공학자의 개입 없이도 전문가 시스템의 지식 베이스를 구축할 수 있는 방법, 이에 적합한 장치, 그리고 이에 적합한 기록 매체에 관한 것이다.
전문가 시스템(expert system)이란 인공 지능 연구의 한 분야로서, 도 1에 도시된 바와 같이 특정한 업무의 전문가를 대신하여 자동적으로 해당 업무를 수행할 수 있도록 학습, 문제 해결 및 추론 등의 능력을 갖는 컴퓨터 시스템이다. 즉, 전문가 시스템이란 특정의 전문 분야에서 전문가의 역할을 수행하는 컴퓨터 시스템을 말한다. 전문가 시스템에 관해서는 일본국 공개특허공보 1997-274569호 (1997. 10. 21 공개), 1999-143712호(1999. 5. 28공개) 등에 개시되고 있다.
종래에는 지식 공학자(knowledge engineer)가 전문가의 모든 지식을 획득 및 정리하여 전문가 시스템을 구축하도록 되어 있었다. 여기서 지식 공학자는 전문가 시스템을 구현하는 자로서, 전문가 시스템이 적용되는 업무를 분석하고, 해당 업무의 전문가 및 관련 서적을 토대로 업무에 관련된 전문 지식들을 획득 및 정리하며, 그리고 해당 업무에 대한 전문가 시스템을 설계 및 구현하는 업무를 담당하는 자를 말한다.
도 2는 종래의 지식 베이스 구축 방법을 보이는 도식적으로 보이는 것이다.
도 2를 참조하면, 전문가 시스템 구축의 초기 단계에서 지식 공학자는 전문가를 인터뷰하여 해당 업무에 관련된 모든 지식들을 추출하고 분석하여 지식 베이스(knowledge base)를 구축하여야 한다. 여기서 지식 베이스란 전문가 시스템의 구 성 요소의 하나로서, 특정 분야의 전문가가 지적 활동과 경험을 통하여 축적한 전문 지식이나 문제 해결에 필요한 사실과 규칙 등이 저장되어 있는 데이터 베이스이다. 전문 지식의 표현을 위해서 if-then 형식의 규칙이 사용된다.
전문가 시스템의 지식 베이스를 구축할 때, 전문가는 지식 공학자에게 지식을 전달하고, 지식 공학자는 전문가로부터 획득한 지식을 프로그래밍하여 지식 베이스를 구축하게 된다.
그러나 전문가의 모든 지식을 모두 추출하고 분석하여 지식 베이스를 구축하는 데는 많은 시간과 노력이 필요함은 물론이고, 전문가 자신조차도 자신이 알고 있는 모든 지식을 기억하고 정리할 수 있는 것이 아니기 때문에, 전문가의 지식 전부를 체계적으로 획득 및 정리할 수가 없다. 또한 전문가와 전문가 시스템과의 사이의 매개자인 지식 공학자 자신은 해당 업무에 대한 전문가가 아니기 때문에, 전문가가 전달한 해당 업무의 전문 지식을 이해하지 못한 상태에서 지식 베이스를 구축하게 되며, 이에 따라 지식 베이스의 오류가 발생될 가능성이 있다.
이와 같이 지식 베이스를 구축하는 과정에서 지식 누락, 지식 베이스의 오류 등의 한계로 인해 전문가 시스템을 완전하게 구축하기 어렵다는 문제점이 있다.
한편 지식 베이스의 사후 관리에 있어서, 전문가는 코드 기반으로 프로그래밍된 전문가 시스템에 대해서는 문외한이기 때문에 지식 공학자의 개입이 없으면 지식 베이스를 관리할 수 없고, 반대로 지식 공학자는 전문가의 지식에 대해서 문외한이기 때문에 전문가의 개입이 없으면 지식 베이스를 관리할 수 없다.
따라서, 전문가 및 지식 공학자의 개입이 불가피하기 때문에, 해당 분야의 급속한 변화에 대처하여 새로운 지식을 추가함에 있어서 지식 획득 병목 현상(knowledge acquisition bottleneck)이 발생한다.
이러한 지식 획득 병목 현상을 해결하기 위하여 전문가가 직접 지식을 입력 및 수정하는 방법에 제안되었다. 그렇지만 전문가 시스템을 이용하여 해결하고자 하는 문제 영역이 점차 확대되고 이에 따른 데이터의 양이 급속히 증가함에 따라, 증가된 데이터를 제대로 이해하고 분석할 수 있는 전문가가 별로 없고, 또한 전문가별로 개인차가 있기 때문에 분석을 통해 얻어진 지식의 신뢰도도 떨어지는 문제점이 있다.
본 발명은 지식 공학자의 개입 없이 지식 베이스의 자동적인 갱신, 유지 및 보수를 가능하게 하는 지식 베이스 구축 방법을 제공하는 것에 그 목적이 있다.
본 발명의 다른 목적은 상기의 방법에 적합한 지식 베이스 구축 장치를 제공하는 것에 있다.
본 발명의 또 다른 목적은 상기의 방법을 수행하기 위한 프로그램을 저장하는 컴퓨터로 읽어들일 수 있는 기록 매체를 제공하는 것에 있다.
상기의 목적을 달성하는 본 발명에 따른 지식 베이스 구축 방법은
대상 문제를 해결하기 위한 가설을 생성하는 과정;
생성된 가설을 바탕으로 데이터 베이스 검색에 필요한 키워드들을 생성하는 과정;
생성된 키워드들을 사용하여 데이터 베이스들을 검색하여 데이터들을 수집하는 과정; 및
수집된 데이터들로부터 대상 문제를 해결하기 위한 지식을 추출하고, 추출된 지식을 지식 베이스에 저장하기 위한 구조로 구조화하는 과정을 포함하는 것을 특징으로 한다.
본 발명에 따른 지식 베이스 구축 방법은 전문가 시스템의 지식 베이스를 자동적으로 갱신, 유지 및 보수함으로써 지식 베이스의 구축을 위한 시간 및 경비를 절감시키게 된다.
본 발명의 지식 베이스 구축 방법은 문제 해결에 필요한 키워드를 선정하고, 선정된 키워드에 의해 검색된 데이터들로부터 지식을 추출하여 지식 베이스를 구축하게 함으로써 지식 공학자의 개입 없이도 지식 베이스를 구축하게 하는 것을 가능하게 한다.
한편, 본 발명에 따른 지식 베이스 구축 방법은 데이터 마이닝(data mining) 기법을 이용하여 키워드 검색을 바탕으로 작성된 지식을 재구성하여 새로운 지식을 구축함으로써 지식 베이스의 신뢰도를 보장하게 한다.
상기의 다른 목적을 달성하는 본 발명에 따른 지식 베이스 구축 장치는
전문가 시스템을 위한 에이전트 기반의 지식 베이스 구축 장치에 있어서,
주어진 문제에 적합한 가설을 생성하는 가설 생성 에이전트;
상기 가설 생성 에이전트에 의해 생성된 가설을 기반으로 데이터 베이스 검색을 위한 키워드들을 생성하는 키워드 생성 에이전트;
상기 키워드 생성 에이전트에 의해 생성된 키워드들을 이용하여 데이터 베이스들을 검색하여 필요한 데이터를 수집하는 검색 에이전트;
상기 검색 에이전트에 의해 검색된 데이터들에 대하여 데이터 마이닝 기법을 적용하여 데이터를 여과하고, 분석하며, 결과를 해석하여 의미 있는 패턴을 추출하는 데이터 마이닝 에이전트;
상기 검색 에이전트에 의해 수집된 데이터와 상기 데이터 마이닝 에이전트에 의해 추출된 패턴을 바탕으로 문제 해결을 위한 지식을 추출하고, 추출된 지식을 지식 베이스에 저장할 수 있는 형태로 구조화하는 지식 구조화 에이전트; 및
지식 획득에 관련된 태스크를 수행하는 상기 에이전트들의 동작을 제어하는 지식 획득 동작 제어 에이전트를 포함하는 것을 특징으로 한다.
본 발명에 따른 지식 베이스 구축 장치는 전문가 시스템의 내부에서 자동적으로 데이터를 여과 분석하며, 분석된 결과를 해석하는 복수의 에이전트들을 기반으로 함으로써 지식 공학자나 전문가의 개입 없이도 방대한 데이터로부터 지식을 추출하여 효율적으로 지식 베이스를 구축하는 것을 가능하게 한다.
상기의 또 다른 목적을 달성하는 본 발명에 따른 컴퓨터로 읽어들일 수 있는 기록 매체는
전문가 시스템의 지식 베이스를 구축하기 위한 프로그램을 저장하는 컴퓨터로 읽어들일 수 있는 기록 매체에 있어서,
대상 문제를 해결하기 위한 가설을 생성하는 과정;
생성된 가설을 바탕으로 데이터 베이스 검색에 필요한 키워드들을 생성하는 과정;
생성된 키워드들을 사용하여 데이터 베이스들을 검색하여 데이터들을 수집하는 과정; 및
수집된 데이터들로부터 대상 문제를 해결하기 위한 지식을 추출하고, 추출된 지식을 지식 베이스에 저장하기 위한 구조로 구조화하는 과정을 포함하는 프로그램을 저장하는 것을 특징으로 한다.
이하 첨부된 도면을 참조하여 본 발명의 구성 및 동작을 상세히 설명하기로 한다.
도 3은 본 발명에 따른 지식 베이스 구축 방법을 보이는 흐름도이다.
도 3을 참조하면, 대상 문제가 주어졌을 때, 먼저 대상 문제에 대한 구조화된 지식, 가설이 있는지를 판단한다.(s302) 만일 대상 문제에 대한 구조화된 지식, 가설이 있다면, 가설을 읽어오고(s304), 지식 베이스의 구조화된 지식을 이용하여 추론한다.(s306)
s302과정에서 대상 문제에 대한 구조화된 지식, 가설이 없다면, 문제 해결에 적합한 가설을 생성한다.(s3108)
생성된 가설을 바탕으로 데이터 베이스 검색에 필요한 키워드들을 생성한다.(s310)
생성된 키워드들을 사용하여 데이터 베이스들을 검색한다.(s312)
검색된 데이터들을 수집한다.(s314)
수집된 데이터들로부터 지식을 추출하고, 추출된 지식을 지식 베이스에 저장 하기 위한 구조로 구조화한다.(s316)
s316의 지식 구조화 과정에서는 수집된 데이터들을 바탕으로 데이터 마이닝 기법에 의해 의미 있는 패턴을 추출한다. S318의 지식 구조화 과정에서는 또한 수집된 데이터를 바탕으로 추출된 지식을 s320과정에서 추출된 의미 있는 패턴에 의해 재추출하여 지식을 구성한다. 여기서, 의미 있는 패턴이란 대상 문제를 속성으로 하는 연관 규칙, 연속 패턴 등을 말한다.
구조화된 지식을 지식 베이스에 저장한다.(s320)
s322과정에서는 전문가에 의해 s316과정에서 추출된 지식 혹은 지식 베이스에 저장된 지식을 검증, 유지, 보수한다.
데이터 마이닝이란 대규모의 데이터 내에 숨겨져 있는 고급 정보를 추출해서 의사결정, 예측, 예보에 응용하고자 하는 기법으로서, 현실 세계에서 쌓여가고 있는 수많은 데이터로부터 유용한 정보를 캐내어 응용하고자 하는 요구에 부응하기 위한 기술이다.
데이터 마이닝에서 얻을 수 있는 지식에는 연관 규칙, 연속 패턴, 분류 규칙, 요약 규칙, 클러스터링 등이 있다.
연관(association) 규칙이란 특정한 한 개의 속성(attribute) 내에서의 연관성에 대한 결과를 IF-THEN 나타낸 것을 말한다. 예를 들어, 데이터의 여러 속성 중에서 제품이라는 속성 내에서 '기저귀' 및 '맥주'에 대해 연관을 수행하면,
IF 제품=기저귀, THEN 제품=맥주, support=10%, confidence=70%
등과 유사한 형태의 규칙(rule)을 생성한다. 이 규칙의 의미는 전체 고객 중 에서 기저귀를 구입한 사람의 비율은 10%이고, 기저귀를 구입하는 사람의 약 70%는 맥주를 함께 구입한다는 의미이다.
이와 같은 연관 기능을 수행하는 알고리즘으로써 현재 가장 널리 사용되는 기술은 IBM의 인텔리전트 마이너(Intelligent Miner)에서 사용되는 아프리오리(Apriori) 알고리즘이다.
한편, 연속 패턴(sequential pattern)이란 시차를 두고 발생한 사건들에 대하여 그 행위에 어떠한 패턴이 내재하는 지를 나타내는 IF-THEN 형태의 법칙이며, 연관 규칙에 시간의 개념이 포함된 것이다. 예를 들어, 고객이 제품을 구입한 데이터를 분석하여 연속 패턴을 수행하면, 다음과 같은 결과를 생성한다.
IF 제품=TV, THEN 제품=VCR
이 규칙의 의미는 TV를 구매한 고객은 추후에 VCR을 구입한다는 의미이다.
연속 패턴 기술로서 현재 가장 널리 사용되는 기술은 IBM의 인텔리전트 마이너 등에서 사용하는 GSP 알고리즘이며, GSP 알고리즘은 연관 기술에서 사용되는 아프리오리 알고리즘을 연속 패턴 탐색을 위하여 변형한 것이다. 데이터 마이닝 기법의 상세한 내용에 대해서는 대한민국 공개특허공보 2003-32096(2003. 4. 26 공개), 2001-31687호(2001. 4. 16 공개), 2004-26178호(2004. 3. 30공개) 등에 개시된다.
도 4는 도 3에 도시된 본 발명에 따른 지식 베이스 구축 방법의 일 실시예를 보이는 것이다. 도 4에 도시된 것은 고혈압 환자의 건강 관리를 위한 전문가 시스템을 구축하는 예를 보이는 것이다.
주어진 대상 문제가 '고혈압이면서 당뇨 위험인 사람의 건강 관리'이고, 이 에 대한 구조화된 지식 및 가설이 없다면, 가설 생성 과정(s308)에서는 건강 관리를 위한 영역 지식을 참조하여, “'고혈압이면서 당뇨 위험인 사람의 건강 관리'라는 문제를 해결하기 위하여 '식이 요법이 필요하다'”라는 가설을 생성한다.
건강 관리를 위한 영역 지식에는 비만, 고혈압, 당뇨, 운동, 합병증, 생활 습관, 식이요법, 약물치료 등의 지식들이 영역별로 구분되어 있다.
키워드 생성 과정(s310)에서는 가설 생성 과정(s308)에서 생성된 가설을 기반으로 해당 분야의 데이터 베이스들을 검색하기 위한 키워드들을 생성한다. 예를 들어, 고혈압에 대해서 F1(혈압조절, 운동, 식이요법, 체중감소, 약물치료, 합병증)의 키워드 조합들을 생성하고, 당뇨에 대해서 F2(혈당, 혈중 지질, 식이요법, 가족교육, 약물치료, 합병증)의 키워드 조합을 생성하고, 식이요법에 대하여 F3(식이요법, 고혈압, 당뇨), F4(식이요법, 고혈압), F5(식이요법, 당뇨)등의 키워드 조합들을 생성한다.
데이터 베이스 검색 과정(s312)에서는 키워드 생성 과정(s310)에서 생성된 키워드들에 의해 건강 관련 데이터 베이스, 병원 진료 기록 데이터 베이스, 식단 관리 데이터 베이스, 생활 습관 데이터 베이스, 학술 데이터 베이스 등으로부터 데이터를 검색한다.
지식 구조화 과정(s316)에서는 데이터 베이스 검색 과정 및 수집 과정(s312, s314)에서 수집된 데이터 및 데이터 마이닝 과정(s318)에서 추출된 패턴들을 참조하여 주어진 문제를 해결하기 위한 가설에 대한 지식을 추출한다. 지식 구조화 과정(s316)에서는 먼저 수집된 데이터들로부터 통계적 방법에 의해 1차적으로 지식을 추출한다. 한편 데이터 마이닝 과정(s318)에서는 수집된 데이터들로부터 연관 규칙, 연속 패턴 등의 의미 있는 패턴을 추출한다. 지식 구조화 과정(s316)에서는 수집된 데이터로부터 추출된 지식을 데이터 마이닝 과정(s318)에서 추출된 패턴들을 참조하여 재구성하여, 주어진 문제를 해결하기 위한 가설에 대한 지식을 추출한다.
추출된 지식은 예를 들면, '염분제한, 충분한 칼륨함유 음식 섭취, 포화지방산 섭취 줄임'이 된다.
지식 구조화 과정(s316)에서는 가설 및 추출된 지식을 구조화화여 지식 베이스에 저장한다.
지식 베이스에 저장되는 내용은 예를 들면 다음과 같다.
IF'고혈압이면서 당뇨 위험인 사람의 건강 관리를 위한 식이 요법'THEN '염분제한, 충분한 칼륨함유 음식 섭취, 포화지방산 섭취 줄임'
지식의 검증, 유지, 보수 과정(s322)에서는 지식 구조화 과정(s316)에 생성된 구조화된 지식 및 지식 베이스에 저장된 지식들을 검증, 유지, 보수한다. 만일 지식의 충돌, 불일치가 있을 때는 의사, 운동 트레이너, 환경 전문가, 영양사 등의 피드백을 받는다.
도 3에 도시된 바와 같은 본 발명에 따른 지식 베이스 구축 방법은 주어진 문제를 해결하기 위한 가설의 생성, 생성된 가설을 기반으로 하는 키워드 생성, 키워드를 이용한 데이터 베이스 검색, 검색된 데이터를 바탕으로 주어진 문제를 해결하기 위한 지식의 추출, 그리고 가설 및 추출된 지식의 구조화 등을 컴퓨터 프로그램 특히 에이전트를 사용하여 자동적으로 수행함에 의해 지식 공학자의 개입 없이 도 지식 베이스를 구축하는 것을 가능하게 한다. 따라서, 본 발명에 따른 지식 베이스 구축 방법에 따르면 지식 획득 병목 현상이 제거된다. 또한, 전문가 시스템을 초기에 완전하게 구축하지 않아도 되며, 사례를 기반으로 지식 베이스의 끊임없는 확장 및 유지보수가 가능하다.
한편, 검색된 데이터로부터 지식을 추출함에 있어서, 통계적으로 추출된 지식을 데이터 마이닝 기법에 의해 추출된 패턴에 의해 재구성함으로써 보다 신뢰성 있는 지식을 구축할 수 있게 한다. 또한, 데이터 마이닝 기법을 사용하여 자동적인 데이터의 분석 및 새로운 지식의 구성이 가능하므로 종래의 전문가 시스템의 한계를 극복하고 문제 해결의 유연성을 가질 수 있게 된다.
한편, 추출된 지식 및 지식 베이스에 저장된 규칙은 전문가에 의해 검증, 유지, 보수 될 수 있다. 지식 검증, 유지 및 보수 과정(s322)에서는 전문가로 하여금 추출된 지식 및 지식 베이스에 저장된 규칙은 전문가에 의해 검증, 유지, 보수하게 하는 것을 가능하게 함으로써, 구축된 지식 베이스의 신뢰성을 높일 수 있게 한다.
본 발명에 따른 지식 베이스 구축 방법에 있어서 각 과정들은 에이전트들을 이용하여 달성된다. 에이전트(agent)는 상황에 따라서 의도를 이해하고 자립적인 판단에 의해 처리를 실행하는 프로그램 혹은 장치를 말한다. 이러한 에이전트는 인간과 컴퓨터 사이의 인터페이스로 제안되고 있는 개념이며, 인터넷 상의 정보를 자동적으로 수집해서 데이터베이스를 구축하는 검색 엔진은 에이전트의 일종이다. 이러한 검색 에이전트의 예가 미합중국 공개특허공보 5,781,703(1998. 6. 4 공개) 등에 개시되고 있다.
도 5는 에이전트의 기능적인 구성을 보이는 것이다. 에이전트(500)는 통신 모듈(502), 에이전트 엔진(504), 영역 지식 데이터 베이스(506)를 구비한다. 통신 모듈(502)은 다른 에이전트와 메시지 교환을 수행하는 부분이며, 에이전트 엔진(504)은 에이전트의 생성, 작업 수행, 종료 등을 조정하기 위한 제어 능력 및 추론 능력을 가진다. 한편, 영역 지식은 특정 응용 분야의 작업 수행에 필요한 지식으로 에이전트의 역할을 특징지워준다. 에이전트(500)가 생성될 때, 에이전트(500)는 자신의 영역 지식과 관계된 작업 능력을 공개하여 다른 에이전트들과 작업 공유를 시도한다.
도 6은 에이전트 플랫폼의 표준 모델을 보이는 것이다. 도 6에 도시된 모델은 FIPA(Foundation for Intelligent Physical Agents; 에이전트 기술 국제 표준화 기구)에 의해 제시된 것이다. 도 6를 참조하면 에이전트 플랫폼(600)은 에이전트(602), 에이전트 관리 시스템(604), 디렉토리 중재자(606), 그리고 메시지 전송 시스템(608)으로 구성된다. 도 4에 있어서, 하나의 에이전트(602)만이 도시되었지만 이는 복수의 태스크 에이전트들로 구성된 것으로 이해되어져야 한다.
디렉토리 중재자(606)는 각 태스크 에이전트들이 수행할 수 있는 능력이나 제공할 수 있는 서비스 정보를 순서쌍 형태로 저장하며, 이 순서쌍 형태의 정보는 태스크 에이전트들이 에이전트 관리 시스템(604)에 등록될 때의 정보를 바탕으로 자동적으로 유지된다.
에이전트 관리 시스템(604)은 태스크 에이전트들의 등록, 동적 구동, 종료 등 에이전트에 대한 전반적인 관리를 수행한다.
한편, 메시지 전송 시스템은 에이전트(602)에 의해 작성된 정보 혹은 요구된 정보들을 다른 에이전트 플랫폼(610)과 인터페이스하기 위해 제공된다.
도 7은 본 발명에 따른 지식 베이스 구축 장치의 구성을 보이는 블록도이다.
도 7을 참조하면, 본 발명에 따른 지식 베이스 구축 장치(700)는 가설 생성 에이전트(702), 키워드 생성 에이전트(704), 검색 에이전트(706), 데이터 마이닝 에이전트(708), 지식 구조화 에이전트(710), 지식 검증 에이전트(712), 지식 획득 동작 제어 에이전트(714), 에이전트 관리 시스템(716), 디렉토리 중재자(718), 메시지 전송 시스템(720)으로 구성된다.
가설 생성 에이전트(702)는 주어진 문제에 대해 이미 문제 해결을 위한 가설, 구조화된 지식이 있는 지를 확인하고, 없는 경우 주어진 문제에 적합한 가설을 자동으로 생성한다.
키워드 생성 에이전트(704)는 가설 생성 에이전트(702)에 의해 생성된 가설을 기반으로, 해당 분야의 데이터 베이스 검색을 위한 키워드들을 생성한다.
검색 에이전트(706)는 키워드 생성 에이전트(704)에 의해 생성된 키워드들을 이용하여 해당 분야의 데이터 베이스들을 검색하여 필요한 데이터를 수집한다.
데이터 마이닝 에이전트(708)는 검색 에이전트(706)에 의해 검색된 데이터들에 대하여 데이터 마이닝 기법을 적용하여 의미 있는 패턴을 추출한다. 즉, 데이터 마이닝 에이전트(708)는 데이터를 여과하고, 분석하며, 결과를 해석하여 의미 있는 패턴을 추출한다.
지식 구조화 에이전트(710)는 검색 에이전트(706)에 의해 수집된 데이터와 데이터 마이닝 에이전트(708)에 의해 추출된 패턴을 바탕으로 문제 해결을 위한 지식을 추출하고, 추출된 지식을 지식 베이스에 저장할 수 있는 형태로 구조화한다.
지식 검증 에이전트(712)는 지식 구조화 에이전트(710)에 의해 구조화된 지식 혹은 지식 베이스에 저장된 지식들을 검증하고, 재구성함으로써, 지식 베이스에 새로운 지식을 추가, 유지, 보수한다. 지식의 충돌이나 불확실이 있을 때는 지식 검증 에이전트(712)는 전문가의 피드백을 받는다.
한편, 지식 획득 동작 제어 에이전트(714)는 지식 획득에 관련된 태스크를 수행하는 에이전트들의 동작을 제어한다.
에이전트 관리 시스템(716)은 에이전트들의 등록, 동적 구동, 종료 등 에이전트에 대한 전반적인 관리를 수행한다.
디렉토리 중재자(718)는 각 에이전트들이 수행할 수 있는 능력이나 제공할 수 있는 서비스 정보를 순서쌍 형태로 저장 및 관리한다.
메시지 전송 시스템(720)은 본 발명에 따른 지식 베이스 구축 장치의 에이전트들과 다른 에이전트 플랫폼, 지식 베이스, 데이터 베이스 등과의 인터페이스를 위해 제공된다.
도 8은 도 7에 도시된 본 발명에 따른 지식 베이스 구축 장치의 실시예를 보이는 것이다. 도 8에 도시된 것은 도 7에 도시된 장치를 고혈압 환자의 건강 관리라는 문제에 적용하여 문제를 해결하는 과정을 보이는 것이다.
'고혈압 환자의 건강 관리'라는 문제가 주어졌을 때, 가설 생성 에이전트(702)는 주어진 문제를 해결하기 위한 가설, 구조화된 지식이 있는 지를 확인한다. 만일 있다면, 가설을 읽어오고, 지식베이스의 구조화된 지식을 이용하여 추론한다.
주어진 문제를 해결하기 위한 가설, 구조화된 지식이 없다면, 가설 생성 에이전트(702)는 주어진 문제를 해결하기 위한 가설 예를 들어 '고혈압이면서 비만인 사람의 건강 관리를 위하여 운동요법이 필요하다'는 가설을 생성한다.
키워드 생성 에이전트(704)는 주어진 가설을 바탕으로 문제 해결을 위한 키워드들 예를 들어, '고혈압 AND (식단 OR 운동요법)', '고혈압 AND (직업 OR 생활 습관)'등을 생성한다.
검색 에이전트(706)는 건강 관련 데이터 베이스, 병원 진료 기록 데이터 베이스, 식단 관리 데이터 베이스, 생활 습관 데이터 베이스, 학술 데이터 베이스 등을 검색하여 데이터를 수집한다. 수집된 데이터는 지식 구조화 에이전트(710) 및 데이터 마이닝 에이전트(708)에 제공된다.
지식 구조화 에이전트(710)는 검색 에이전트(706)에 의해 수집된 데이터 및 데이터 마이닝 에이전트(708)에 의해 추출된 패턴을 참조하여 주어진 문제를 해결하기 위한 가설에 대한 지식을 추출한다.
추출된 지식은 예를 들면, '하루에 20분 걷기'가 된다.
지식 구조화 에이전트(710)는 가설 및 추출된 지식을 구조화화여 지식 베이스에 저장한다.
지식 구조화 에이전트(710)에 의해 구조화된 지식은 예를 들면 다음과 같다.
IF'고혈압 AND 비만'THEN '하루 20분 걷기'
지식 검증 에이전트(712)는 지식 구조화 에이전트(710)에 의해 구조화된 지 식이 기존의 지식들과 충돌하는 지의 여부를 검증하고, 지식의 충돌이나 불확실이 있을 때는 지식 검증 에이전트(712)는 운동 트레이너, 환경 전문가, 의사 등의 피드백을 받는다.
도 9는 도 7에 도시된 본 발명에 따른 지식 베이스 구축 장치의 다른 실시예를 보이는 것이다. 도 9를 참조하면, 본 발명에 따른 지식 베이스 구축 장치(900)는 사용자 에이전트 플랫폼(910)에 구비된 사용자 정보 관리 에이전트(912), 생체 신호 측정 에이전트(914), 그리고 환경 정보 에이전트(916) 등과 연계되어 사용자의 신체 상태, 환경 상태에 따른 지식을 제공하게 된다.
여기서, 환경 정보 에이전트(916)는 습도, 공기오염도 등을 측정하고, 생체 신호 측정 에이전트(914)는 사용자의 혈압, 체온 등을 측정한다.
본 발명에 따른 지식 베이스 구축 장치는 여러 개의 에이전트들을 이용함으로써 문제를 다양한 각도에서 검토할 수 있으며, 에이전트들의 동적 흐름을 제어하는 관리 에이전트가 여러 개의 에이전트들에 의해 검토된 측면들과 주어진 주제와의 관계를 파악함으로써 보다 복합적인 지식을 구성할 수 있다.
상술한 바와 같이 본 발명에 따른 지식 베이스 구축 방법은 지식 공학자의 개입 없이 전문가 시스템의 지식 베이스를 자동적으로 갱신, 유지 및 보수함으로써 지식 베이스의 구축을 위한 시간 및 경비를 절감시키게 하는 효과를 가진다.
본 발명에 따른 지식 베이스 구축 장치는 여러 개의 에이전트들을 이용함으로써 문제를 다양한 각도에서 검토할 수 있으며, 에이전트들의 동적 흐름을 제어하 는 관리 에이전트가 여러 개의 에이전트들에 의해 검토된 측면들과 주어진 주제와의 관계를 파악함으로써 보다 복합적인 지식을 구성할 수 있게 하는 효과를 가진다.

Claims (11)

  1. 대상 문제를 해결하기 위한 가설을 생성하는 과정;
    생성된 가설을 바탕으로 데이터 베이스 검색에 필요한 키워드들을 생성하는 과정;
    생성된 키워드들을 사용하여 데이터 베이스들을 검색하여 데이터들을 수집하는 과정; 및
    수집된 데이터들로부터 대상 문제를 해결하기 위한 지식을 추출하고, 추출된 지식을 지식 베이스에 저장하기 위한 구조로 구조화하는 과정을 포함하는 지식 베이스 구축 방법.
  2. 제1항에 있어서,
    수집된 데이터들을 바탕으로 데이터 마이닝에 의해 의미있는 패턴을 추출하는 과정을 더 구비하고,
    상기 지식 구조화 과정은 상기 수집된 데이터로부터 추출된 지식을 상기 데이터 마이닝 과정에서 추출된 의미 있는 패턴에 의해 재구성하는 것을 특징으로 하는 지식 베이스 구축 방법.
  3. 제2항에 있어서, 상기 의미 있는 패턴은 대상 문제를 속성으로 하는 연관 규칙, 연속 패턴 규칙인 것을 특징으로 하는 지식 베이스 구축 방법.
  4. 제1항에 있어서,
    구조화된 지식을 지식 베이스에 저장하는 과정을 더 구비하는 것을 특징으로 하는 지식 베이스 구축 방법.
  5. 제4항에 있어서,
    지식 베이스에 저장된 지식을 검증, 유지, 보수하고, 지식의 충돌, 불일치가 있으면 전문가에게 피드백받는 과정을 더 구비하는 것을 특징으로 하는 지식 베이스 구축 방법.
  6. 전문가 시스템을 위한 에이전트 기반의 지식 베이스 구축 장치에 있어서,
    주어진 문제에 적합한 가설을 생성하는 가설 생성 에이전트;
    상기 가설 생성 에이전트에 의해 생성된 가설을 기반으로 데이터 베이스 검색을 위한 키워드들을 생성하는 키워드 생성 에이전트;
    상기 키워드 생성 에이전트에 의해 생성된 키워드들을 이용하여 데이터 베이스들을 검색하여 필요한 데이터를 수집하는 검색 에이전트;
    상기 검색 에이전트에 의해 검색된 데이터들에 대하여 데이터 마이닝 기법을 적용하여 데이터를 여과하고, 분석하며, 결과를 해석하여 의미 있는 패턴을 추출하는 데이터 마이닝 에이전트;
    상기 검색 에이전트에 의해 수집된 데이터와 상기 데이터 마이닝 에이전트에 의해 추출된 패턴을 바탕으로 문제 해결을 위한 지식을 추출하고, 추출된 지식을 지식 베이스에 저장할 수 있는 형태로 구조화하는 지식 구조화 에이전트; 및
    지식 획득에 관련된 태스크를 수행하는 상기 에이전트들의 동작을 제어하는 지식 획득 동작 제어 에이전트를 포함하는 지식 베이스 구축 장치.
  7. 제6항에 있어서,
    상기 지식 구조화 에이전트에 의해 구조화된 지식 혹은 지식 베이스에 저장된 지식들을 검증하고, 재구성함으로써, 지식 베이스에 새로운 지식을 추가, 유지, 보수하는 지식 검증 에이전트를 더 구비하는 것을 특징으로 하는 지식 베이스 구축 장치.
  8. 제6항에 있어서, 지식의 충돌이나 불확실이 있을 때는 상기 지식 검증 에이전트는 전문가의 피드백을 받는 것을 특징으로 하는 지식 베이스 구축 장치.
  9. 전문가 시스템의 지식 베이스를 구축하기 위한 프로그램을 저장하는 컴퓨터로 읽어들일 수 있는 기록 매체에 있어서,
    대상 문제를 해결하기 위한 가설을 생성하는 과정;
    생성된 가설을 바탕으로 데이터 베이스 검색에 필요한 키워드들을 생성하는 과정;
    생성된 키워드들을 사용하여 데이터 베이스들을 검색하여 데이터들을 수집하는 과정; 및
    수집된 데이터들로부터 대상 문제를 해결하기 위한 지식을 추출하고, 추출된 지식을 지식 베이스에 저장하기 위한 구조로 구조화하는 과정을 포함하는 프로그램을 저장하는 것을 특징으로 하는 기록 매체.
  10. 제9항에 있어서,
    수집된 데이터들을 바탕으로 데이터 마이닝에 의해 의미 있는 패턴을 추출하는 과정을 더 구비하고,
    상기 지식 구조화 과정은 상기 수집된 데이터로부터 추출된 지식을 상기 데이터 마이닝 과정에서 추출된 의미 있는 패턴에 의해 재구성하는 프로그램이 저장된 것을 기록 매체.
  11. 제9항에 있어서,
    지식 베이스에 저장된 지식을 검증, 유지, 보수하고, 지식의 충돌, 불일치가 있으면 전문가에게 피드백받는 과정을 더 구비하는 프로그램이 저장된 것을 특징으로 하는 기록 매체.
KR1020040094265A 2004-11-17 2004-11-17 전문가 시스템의 지식 베이스 구축 방법, 이에 적합한장치, 그리고 기록 매체 KR20060054977A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020040094265A KR20060054977A (ko) 2004-11-17 2004-11-17 전문가 시스템의 지식 베이스 구축 방법, 이에 적합한장치, 그리고 기록 매체
US11/280,210 US20060106744A1 (en) 2004-11-17 2005-11-17 Apparatus and method for establishing knowledge database used in expert system and recording medium therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020040094265A KR20060054977A (ko) 2004-11-17 2004-11-17 전문가 시스템의 지식 베이스 구축 방법, 이에 적합한장치, 그리고 기록 매체

Publications (1)

Publication Number Publication Date
KR20060054977A true KR20060054977A (ko) 2006-05-23

Family

ID=36387613

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020040094265A KR20060054977A (ko) 2004-11-17 2004-11-17 전문가 시스템의 지식 베이스 구축 방법, 이에 적합한장치, 그리고 기록 매체

Country Status (2)

Country Link
US (1) US20060106744A1 (ko)
KR (1) KR20060054977A (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008103967A1 (en) * 2007-02-23 2008-08-28 Microsoft Corporation Information access to self-describing data framework
US8615404B2 (en) 2007-02-23 2013-12-24 Microsoft Corporation Self-describing data framework
KR20160065372A (ko) * 2014-11-28 2016-06-09 (주)아이와즈 구조화된 지식정보와 문서수집을 이용한 지식확장 및 검증 시스템, 그 방법, 기록매체
KR20190086395A (ko) 2018-01-12 2019-07-22 (주)호모미미쿠스 도식화된 질의 구성 방식을 이용한 전문가시스템에서의 다차원 지식 검색 방법 및 시스템
WO2021029726A1 (ko) 2019-08-14 2021-02-18 (주)호모미미쿠스 도식을 이용한 아이디에이션 플랫폼 장치 및 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100898142B1 (ko) * 2007-06-26 2009-05-19 박근섭 컨텐츠에 관련된 정보 키워드/정보 컨텐츠 제공 방법 및검색 방법 그리고 그 시스템
US8690578B1 (en) 2013-01-03 2014-04-08 Mark E. Nusbaum Mobile computing weight, diet, nutrition, and exercise tracking system with enhanced feedback and data acquisition functionality
KR101739539B1 (ko) * 2016-01-26 2017-05-25 주식회사 솔트룩스 지식 베이스의 검증 및 교정 시스템 및 방법
CN111783931B (zh) * 2020-06-04 2023-08-04 深圳市酷开网络科技股份有限公司 一种基于混合推理的物联网专家系统实现方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4839822A (en) * 1987-08-13 1989-06-13 501 Synthes (U.S.A.) Computer system and method for suggesting treatments for physical trauma
US5517405A (en) * 1993-10-14 1996-05-14 Aetna Life And Casualty Company Expert system for providing interactive assistance in solving problems such as health care management
US5701400A (en) * 1995-03-08 1997-12-23 Amado; Carlos Armando Method and apparatus for applying if-then-else rules to data sets in a relational data base and generating from the results of application of said rules a database of diagnostics linked to said data sets to aid executive analysis of financial data
US6304848B1 (en) * 1998-08-13 2001-10-16 Medical Manager Corp. Medical record forming and storing apparatus and medical record and method related to same
US7181438B1 (en) * 1999-07-21 2007-02-20 Alberti Anemometer, Llc Database access system
IL159332A0 (en) * 1999-10-31 2004-06-01 Insyst Ltd A knowledge-engineering protocol-suite
US7363308B2 (en) * 2000-12-28 2008-04-22 Fair Isaac Corporation System and method for obtaining keyword descriptions of records from a large database
US7085750B2 (en) * 2002-06-28 2006-08-01 Electronic Data Systems Corporation Method and system for mapping a hypothesis to an analytical structure
US7490085B2 (en) * 2002-12-18 2009-02-10 Ge Medical Systems Global Technology Company, Llc Computer-assisted data processing system and method incorporating automated learning
US7917460B2 (en) * 2004-06-30 2011-03-29 Northrop Grumman Corporation Systems and methods for generating a decision network from text

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008103967A1 (en) * 2007-02-23 2008-08-28 Microsoft Corporation Information access to self-describing data framework
US8005692B2 (en) 2007-02-23 2011-08-23 Microsoft Corporation Information access to self-describing data framework
US8615404B2 (en) 2007-02-23 2013-12-24 Microsoft Corporation Self-describing data framework
KR20160065372A (ko) * 2014-11-28 2016-06-09 (주)아이와즈 구조화된 지식정보와 문서수집을 이용한 지식확장 및 검증 시스템, 그 방법, 기록매체
KR20190086395A (ko) 2018-01-12 2019-07-22 (주)호모미미쿠스 도식화된 질의 구성 방식을 이용한 전문가시스템에서의 다차원 지식 검색 방법 및 시스템
WO2021029726A1 (ko) 2019-08-14 2021-02-18 (주)호모미미쿠스 도식을 이용한 아이디에이션 플랫폼 장치 및 방법
KR20210020337A (ko) 2019-08-14 2021-02-24 (주)호모미미쿠스 도식을 이용한 아이디에이션 플랫폼 장치 및 방법

Also Published As

Publication number Publication date
US20060106744A1 (en) 2006-05-18

Similar Documents

Publication Publication Date Title
US11468998B2 (en) Methods and systems for software clinical guidance
Watson Applying knowledge management: techniques for building corporate memories
Saba et al. Expert system for offline clinical guidelines and treatment
Begum et al. Case-based reasoning systems in the health sciences: a survey of recent trends and developments
Watson et al. Case-based reasoning: A review
US20020107824A1 (en) System and method of decision making
US20060106744A1 (en) Apparatus and method for establishing knowledge database used in expert system and recording medium therefor
Zachary et al. Decision support systems: Integrating decision aiding and decision training
Li Knowledge-based problem solving: an approach to health assessment
Alegre et al. Intelligent diagnosis of rod pumping problems
Carroll Expert systems for clinical diagnosis: Are they worth the effort?
Bouwman The use of protocol analysis in accounting
Sicoly Computer-aided decisions in human services: Expert systems and multivariate models
Rowe et al. Beyond expert systems—reasoning, judgment, and wisdom
Brézillon Elaboration of the Contextual Graphs representation: From a conceptual framework to an operational software
Samiullah et al. Dr. AI: A Heterogeneous Clinical Decision Support System for Personalised Health Care
Amato et al. Supporting hypothesis generation by machine learning in smart health
Rasmussen A taxonomy for analysis of cognitive work
Gillan et al. Using pathfinder networks to analyze procedural knowledge in interactions with advanced technology
Reyana et al. Emergence of decision support systems in healthcare
Guastello et al. Computer-based test interpretations as expert systems: Validity and viewpoints from artificial intelligence theory
Ong et al. 11 Case-Based Reasoning
Mertens Enabling process management for loosely framed knowledge-intensive processes
Ojha et al. Machine Learning in Healthcare: The Big Picture
Holsapple et al. Building knowledge acquisition systems-a conceptual framework

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application