| 研究概要 |
今年度は,研究実施計画に基づき申請者がこれまでに開発を進めてきた帰納論理プログラミングシステムG-REXを学習エンジンとし,ユーザとG-REXのインタラクティブモジュールと制約的知識獲得・洗練化エンジンを構築することでプロタイプシステムを構築し,手法の実験的検証を行った.インタラクティブモジュールに関しては,G-REXが事例の汎化に利用する属性集合を属性間の相関関係に基づき2次元平面,および3次元空間に写像する可視化インタフェースを実現した.これにより,ユーザは学習システム独自の知識表現を熟知していなくとも,インタラクティブなグラフィカルインタフェースを通して,自分のもつ領域知識・経験,および可視化された属性間の関係に基づき,事例の汎化に不必要な属性を学習プロセスから容易に除外することが可能となる.一方,制約的知識獲得・洗練化エンジンに関しては,ユーザとのインタラクションから,事例の汎化に不必要とされた属性の属性名,当該属性を満たす事例数,可視化された空間における他の属性との位置関係などの情報を取得し,決定木学習システムを用いることで事例の汎化に不必要な属性を特定する規則の学習を実現している.上述の情報をインタラクションごとに累積的に蓄積し当該規則の学習を繰り返すことにより,インタラクションの回数が増すごとに学習される規則を洗練することが可能となる.本プロトタイプシステムを計算機上で実装した検証実験では,ユーザとのインタラクションにより事例の汎化の際に探索される候補規則の数が20〜30%ほど削減されるとともに,上記のように学習した制約的知識を表す規則の利用によりユーザとのインタラクションにかかる時間が20%ほど短縮できることを確認した.
|
