| 研究概要 |
帰納的論理プログラミング(ILP)は,関係記述の帰納的学習のための理論と実用的な学習アルゴリズムを研究する分野であるが,従来の研究では,学習されるプログラムの形式として,主に確定ホーンプログラムのような単調なクラスのものが考えられていた.本研究では,ILPにおいて常識規則やデフォルト規則を学習するために,非単調推論なクラスを学習できる帰納推論の枠組を考案し,不完全な情報下での学習方式の理論の確立とその実装システムの開発を行った.2年間の研究実績は以下の通りである。
1.背景知識と正負例を入力として与えたときに,拡張論理プログラムの形式で学習されたプログラムを出力するシステムLELPに関して,その正当性の証明を含む理論的整備を行った.
2.正例をすべてカバーする一般規則を生成するシステムを,ボトムアップおよびトップダウンの2種のアルゴリズムを用いて開発した.さらにこの部分を高速化するために,Java言語を用いたり,遺伝的アルゴリズムの適用も図った.また,規則を生成する際の探索空間を絞るために,帰納推論に適したバイアスを自動的に定めるための方式を開発した.
3.アブダクション(発想)の機能を有するアブダクティブ論理プログラムを出力とするようなLELPの変形についても基礎的な考察を行った.この中で,新仮説発見の手法を考案し,非単調推論において優先度に関するメタ知識を自動的に発見する方法に応用した.
|
