KR20050062624A - 구조화 지식에 의거한 학습ㆍ사고기계 및 학습ㆍ사고방법과컴퓨터 시스템 및 정보생성방법 - Google Patents
구조화 지식에 의거한 학습ㆍ사고기계 및 학습ㆍ사고방법과컴퓨터 시스템 및 정보생성방법 Download PDFInfo
- Publication number
- KR20050062624A KR20050062624A KR1020057006632A KR20057006632A KR20050062624A KR 20050062624 A KR20050062624 A KR 20050062624A KR 1020057006632 A KR1020057006632 A KR 1020057006632A KR 20057006632 A KR20057006632 A KR 20057006632A KR 20050062624 A KR20050062624 A KR 20050062624A
- Authority
- KR
- South Korea
- Prior art keywords
- cell
- information
- computer
- knowledge
- unit
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은, 정보의 특성, 의미관계, 구조등을 해석하고, 정보의 의미관계를 개념간의 관계로서 파악하고 개념 및 관계가 가지는 의미를 표현·축적 가능하게 하는 학습 기계를 제공하는 것이며, 총괄적으로 정보를 수집하고, 수집한 정보의 의미관계에 근거하여 구조화된 지식으로서 기억하는 동시에, 문의 혹은 요구에 대하여, 새로운 의미적 관계를 가지도록 소정의 추론에 의해 정보생성을 행하고, 생성된 새로운 정보를 평가·판단함으로써, 문의 등에 대하여 최적인 해답을 결정하고 대응할 수 있는 사고기계를 실현하도록 한다.
Description
본 발명은, 학습된 지식에 의거한 사고기계, 즉 컴퓨터에 관한 것이다. 특히, 말의 의미를 체계적으로 정리하고, 지식을 구조화하여, 말의 의미 이해만이 아니라 새로운 정보생성, 유추, 귀납추론, 가설추론, 연상, 평가, 판단, 의미결정 등의 지적기능을 실현하는 것이 가능한 사고기계에 관한 것이다.
현재 사용되고 있는 계산기는, 튜링 머신이라고 불리는 것으로, 그 한계성은 잘 알려져 있다. 즉, 튜링 머신은 내장된 룰 주도의 머신이며, 인간이 입력한 프로그램에 따라서 일을 실시하는 것이다. 즉, 이 종래형 머신은, 수치계산, 연역추론, 검색 등의 부호 처리 중심의 머신이며, 데이터를 입력하면, 내장되어 있는 프로그램에 의거하여 처리를 행하여 소정의 결과를 내는 것이다.
이 튜링 머신의 폐세계(Closed World) 의 한계를 넘기 위해서는, 룰 주도가 아닌, 인간의 뇌와 동일하게 지식 주도형으로 하는 것이 필요하다. 이것은, 튜링 이론과 뇌기능의 비교를 하면 스스로 분명하게 알 수 있다. 튜링 머신에서는, 새로운 정보(혹은 지식)를 생성할 수도 없고, 더구나 인간과 동일하게 축적된 지식을 본래 상태로 사고하여 필요한 결과를 낼 수 없다.
이 튜링 머신의 한계를 타파하기 위해서, 지식의 기억구조나 의미표현방식의 연구나 제안이 이루어져 왔지만, 아직 충분한 이론이 확립되어 있지 않았으며, 또한 구체적인 머신을 작성한 예는 없다.
본 발명자는, 정보의 특성이나 의미관계, 구조 등을 해석함으로써, 개념기억구조의 모델을 정식화하고, 그것에 의거하여 의미관계를 충분하게 구조화할 수 있는 방식을 이미 제안하고, 재료, 화학, 정보과학 등의 전문영역에 적용하여 그 유효성을 확인하여, 관련 학회에서 보고하고 있다. (비특허문헌 1 참조)
또한, 축적되어 있는 지식으로부터 추론된 가설을 검증하고, 지식으로서 축적되어 있는 정보를 자기조직화 할 수 있는 가설 시뮬레이션 장치 및 가설 시뮬레이션 방법이 제안되고 있다.(특허문헌 1 참조)
[비특허문헌1)
정보지식학회지 : 총설 Vol.9,No.1 p13-22,1999 「정보학 기초론의 현상황과 전망」
[특허문헌 1]
특개 2002-132506호 공보
도 1은, 본 발명의 학습ㆍ사고기계의 전체 모양을 나타내는 블록도이다.
도 2는, 본 발명의 학습ㆍ사고기계의 내부의 기능을 보다 상세하게 기능적으로 나타낸 블록도이다.
도 3은, 본 발명의 학습ㆍ사고기계의 작용을 학습 단계와 사고 단계로 나누어 설명하기 위한 도면이다.
도 4는, 본 발명의 전체의 작용을 설명하기 위한 플로차트(flow chart)이다.
도 5는, 도 4의 데이터ㆍ정보ㆍ지식의 입력 단계의 작용을 상세하게 설명하기 위한 플로차트(flow chart)이다.
도 6은, 도 4의 지식조직화(구조화) 단계의 작용을 상세하게 설명하기 위한 플로차트(flow chart)이다.
도 7은, 도 4의 정보 생성 단계의 작용을 상세하게 설명하기 위한 플로차트(flow chart)이다.
도 8은, 도 4의 평가ㆍ판단 단계의 작용을 상세하게 설명하기 위한 플로차트(flow chart)이다.
도 9는, 도 4의 지식 증가 단계의 작용을 상세하게 설명하기 위한 플로차트(flow chart)이다.
도 10은, 「is-a」의 관계를 그래프로 나타낸 도면이다.
도 11은, 「is-a」의 관계를 균질화 2부 그래프로 나타낸 도면이다.
도 12는, 「빌린다」라고 하는 용어를 이용해 「개념」과「관계」의 상대성을 설명하기 위한 도면이다.
도 13은, 의미 관계에 의거한 지식의 자기조직화 시스템의 개요를 나타내는 도면이다.
도 14는, 도 13에 나타내는 C-TRAN법에 의해, 동의어 집합을 모으는 방법을 설명하기 위한 도면이다.
도 15는, 도 13에 나타내는 SS-KWEIC법에 의해, 계층ㆍ관련관계를 추출하는 예를 설명하는 도면이다.
도 16은, 도 13에 나타내는 SS-KWEIC법에 의해, 관련관계를 추출하는 순서를 설명하기 위한 도면이다.
도 17은, 초뇌형 컴퓨터 시스템 전체의 구성을 나타내는 블록도이다.
도 18은, 도 17의 중앙 관리 컴퓨터의 구성을 나타내는 블록도이다.
도 19는, 도 17의 셀컴퓨터의 구성을 나타내는 블록도이다.
도 20은, 요구 조건 처리 대상 셀 검출의 동작을 설명하기 위한 플로차트(flow chart)이다.
도 21은, 요구조건 처리 대상 판단 스타트의 동작을 설명하기 위한 플로차트(flow chart)이다.
도 22는, 연결 끝의 셀 상태 연락 스타트의 동작을 설명하기 위한 플로차트(flow chart)이다.
도 23은, 요구 조건의 구조에 의한 연결 판단 중 스텝수(N)의 패스를 찾는 동작을 설명하기 위한 플로차트(flow chart)이다.
도 24는, 요구 조건의 구조에 의한 연결 판단 중 트리형의 패스를 찾는 동작을 설명하기 위한 플로차트(flow chart)이다.
도 25는, 요구 조건의 구조에 의한 연결 판단 중 루프형의 패스를 찾는 동작을 설명하기 위한 플로차트(flow chart)이다.
도 26은, 연결 끝 셀 기억 스타트의 동작을 설명하기 위한 플로차트(flow chart)이다.
도 27은, 연결 끝 검색 스타트의 동작을 설명하기 위한 플로차트(flow chart)이다.
도 28은, 검색 회답부의 동작을 설명하기 위한 플로차트(flow chart)이다.
도 29는, 검색 송수신의 동작을 설명하기 위한 플로차트(flow chart)이다.
도 30은, 검색 결과 해석의 동작을 설명하기 위한 플로차트(flow chart)이다.
도 31은, 의미 이해ㆍ정보 생성의 동작을 설명하기 위한 플로차트(flow chart)이다.
도 32는, 출력 정보 변환의 동작을 설명하기 위한 플로차트(flow chart)이다.
*부호의 설명*
1, 21. 총괄적 정보 수집부, 2, 22. 의미 관계 추출부,
3, 23.자기조직화(구조화)부, 24. 지식 기반(유닛 통합ㆍ독립 기억부),
5. 입력부(문의부), 6. 조합부,
7, 28. 정보 생성부, 8. 평가부,
9. 판단부, 10. 결정부,
11, 31. 출력부(지식 증가부) 61. 중앙 관리 컴퓨터
62. 셀컴퓨터 71. 질문 입력부
72. 요구 조건 해석부 73. 요구 조건 처리 대상 셀 검출부
74. 전체 셀 75. 부적합 셀
76. 검색 송수신부 77. 적합 셀
78. 검색 결과 해석부 79. 의미 이해ㆍ정보 생성부
80. 출력 정보 변환부 81.회답 출력부
91. 허브 92.요구 조건 처리 대상 판단부
93. 부적합 회신ㆍ연결 끝 셀 연락부
94. 허브 95. 셀
96. 허브 97. 검색 수신부
98. 연결 끝 판단부 99. 지식 기억부
100. 연결 끝 셀 기억부 101.검색 회답부
102. 허브
여기서, 정보란「지식이라든가 사고의 대상이 되는 실체에 대한 지식 내용」이며, 보통의 의미로 일컬어지는 정보는 전부 포함된다. 다음에 지식이란 넓은 의미에서는 정보와 동일하게 사용되는 경우도 있지만, 좁은 의미에서는 정보처리, 특히 인공지능의 분야에서는 일정의 형식화된 지식을 나타내고 있다. 여기에서는 넓은 의미와 좁은 의미의 중간이 되지만, 지식이란 「의미 관계에 대응하여 구조화된 정보」라고 하는 의미로 사용된다.
그런데, 작금의 인터넷의 폭발적인 보급에 수반한 정보화의 진전에는 눈부신 것이 있지만, 이것은 계산기가 정보를 대량으로 그것도 고속으로 처리 전달할 수 있는 것에 기인하고 있다. 물론 통신기술, 기록기술의 비약적인 발전도 있다.
그러나, 현재의 계산기에서는, 인간의 지적활동의 특징적인 기능인 합리적인 발상이나 창조를 하는 것은 불가능하다. 이러한 기능을 실현하기 위해서는, 주어진 정보 문제의 이해, 유추, 귀납추론, 가설추론, 연상, 평가, 판단, 결정이라는과정을 밟는 것이 필요하게 되지만, 현재 이러한 처리가 가능한 계산기는 존재하고 있지 않다. 현재의 계산기는, 특정의 조건하에서 2치논리, 기호 논리의 일부의 기능이 실현되어 있는데 지나지 않는다.
한편, 정보의 의미를 표현, 기술하는 모델에는 다양한 것이 고안되고 있다. 예를 들면, 데이터베이스의 분야에 있어서는, 실체-관계 모델(E-R 모델), 오브젝트 지향 모델 등, 현실세계를 데이터베이스로서 표현하는 모델이 존재하고 있다.
또한, 인공 지능의 분야에서는, 의미 네트워크, 프레임 등의 의미의 표현 모델이 제안되어 있다. 단, 프로그램에 의한 처리를 주체로 하는 튜링 머신에서는, 시스템의 기초가 되는 모델의 실현방식의 유연성과 관리기능에 제약이 많기 때문에, 그 기능이 부족하고, 정보의 의미관계를 충분하게 기술하여 표현할 수 없다.
현재의 계산기에서는 사측 연산이나 부호 조합의 처리, 즉 수치해석, 키워드 검색, 연역추론 등은 고속인 동시에 고정밀도에서 처리된다. 보다 고속인 예측이나 추정 등의 처리를 행하는 경우에서도, 완전하지는 않지만 다양한 수법이 고려되어 실제로 사용되고 있다. 그렇지만, 그 이외에 의미 처리가 관련하는 유추 등의 기능은 실용화의 단계에는 도달하지 않는다. 그러나, 의미관계를 구조화한 정보에 대해서는, 그 구조를 이용하여 의미를 표현할 수 있으므로, 내비게이션이나 조합, 치환하는 것으로, 의미 처리가 가능하며, Web 상의 액세스에 사용되는 링크가 그 의미적 선택을 허용하지 않는 것과는 다르며, 의미 처리를 위한 의미에 대응한 표현을 추가함으로써, 보다 고도인 동시에 다양한 이용이 가능하게 된다.
예를 들면 개념관계를 추출하여, 개념 간의 포함관계가 구조화되면, 단순한 부호 처리에서는 처리할 수 없었던 유사관계 등을 직접 처리할 수 있게 되며, 정보의 이용에 관하여 상당히 중요하게 된다. 또한 논리관계가 구조화되면, 순차 내비게이션은 연역추론에, 역(逆) 내비게이션은 가설추론에 각각 해당하고, 또한 개념구조와 병합하여 유추, 귀납추론, 연상 등을 이용한 정보생성이 가능하게 된다. 즉 정보가 가지는 다양한 의미를 구조화함으로써, 구조를 통해 기술, 표현되어 있는 의미 내용을 계산기로 처리할 수 있다고 하는 것이다. 더구나 고도의 기능으로서, 이러한 것을 복합하여 대상이해, 해석, 발상, 평가, 문제해결, 의지결정 등이 실현 가능하게 된다.
사고에 있어서 자주 이용되는 유추, 귀납추론, 가설추론 등은 2치 논리의 연역추론과는 달리, 결정성의 처리가 아닌 의미 처리를 포함하고, 또한 정보 생성도 수반하므로 이제까지 실용화할 수 없었다. 본 발명에서는, 개념 간의 의미 관계를 조직화하는 것으로, 충분한 의미 관계에 대응할 수 있도록 하여, 유추나 정보 생성 등의 처리를 가능하게 했다. 이 기술 형식에 의하면, 나무 구조, 네트워크 구조, 하이퍼 그래프에서 처리할 수 없었던 노드와 링크의 쌍대성(雙對性), 상대성, 양상성(樣相性), 불확정성 등을 포함하여 통상의 의미 관계가 명시적으로 처리되게 된다.
유추, 귀납추론, 가설추론, 연상, 발상, 평가, 판단, 결정 등의 고도인 사고기능을 실현하기 위해서는, 부호 처리만으로는 처리할 수 없는 유사 관계 등의 일련의 관련되는 의미 관계를 단서로 할 필요가 있다. 또, 대상 영역에서는, 어느 개념과 다른 개념과는 구별할 수 있는 것이라고 하는 것이 데이터베이스에서도 지식베이스에서도 기본적인 생각이며, 다중 계층 구조로 보여지도록 개념에는 상당히 많은 중복이 있으므로, 그것을 고려하지 않고 기술, 표현하는 것은 실제적으로 지극히 곤란하다. 또한, 차분적(差分的) 표현도 필연적으로 개념의 중복을 초래한다. 또한 유사성이라고 하는 것도 중복이 있는 개념의 관계이므로 이산적(離散的) 독립 개념으로서는 사실상 처리할 수 없다.
또한, 별도의 전형적인 예인 관계형 데이터베이스 모델에서도, PC나 워크 스테이션에서 대형 계산기까지의 데이터베이스 관리 시스템으로서 보급되고 있지만, 실체간 및 관계 간의 관계를 처리하는 기능이 극히 제한된 것밖에 없다. 모델에 의해서는 실체-관계형(E-R)과 같이 관계를 직접 처리할 수 있는 것도 있다. 단 E-R 모델에서는 실체와 관계 역할의 각각이 그래프로서 고정되어 있으므로, 관계 자체를 실체로서도 처리하고 싶을 때 또는 그 반대로 실체를 관계로서 처리하고 싶은 경우에 대해서는 그래프의 정의를 초과하므로 사용할 수 없게 된다.
또한, 개념에는 상대성이 있다. 즉, 그래프에 있어서의 노드와 링크는 서로 다른 역할을 가지고 구별되어 있지만, 의미 표현의 면에서는 양자를 동일하게 처리하는 것이 필요하게 된다. 즉 실체 간의 관계와 실체도 상대적이지 않으면 안된다. 상위 개념과 하위 개념도 절대적이지 않고, 최하위 개념의 밑에 더욱 하위의 개념이 가능하다고 하는 것으로, 상위와 하위도, 상황에 의해 변화하는 상대적인 것이다. 예를 들면 인간과 자동차의 관계는 소유한다든가 소유된다든가 하는 관계이지만, 소유라고 하는 개념은 관계로서 뿐만 아니라 독립 개념으로서 실체에도 성립될 수 있다. 위에서 기술한 유사성과 같은 부분적 중복의 표현도 포함하여, 의미 표현의 문제도 단순한 외연(外延) 에 의거한 기존의 정보 처리 기술에서는 적절하게 처리할 수 없다.
연구 개발에 필요한 정보를 연구자, 기술자가 직접 이용할 때에는, 키워드 검색 등 종래형의 처리만으로서는 정보를 충분하게 활용할 수 없다. 그 때문에, 수치계산이나 연역추론뿐만 아니라, 의미 처리를 포함하는 각종의 기능을 실현하지 않으면 안 된다. 그래서 총괄적 정보를 수집, 정리, 계산기 가독화(可讀化), 해석하고, 정보의 의미의 표현을 충분하게 실시하기 위한 정보 모델에 의거하며, 정보의 의미적 관계를 자기조직적으로 구조화하고, 시스템의 의미 해석이 가능한 형식으로 정보를 자원화할 필요가 있다.
그리고, 그것에 의해서 유추, 귀납추론, 가설추론, 연상 등으로부터 문제해결, 평가, 판단 등의 기능을 가지는 사고 지원용의 자기조직형 정보 베이스 시스템 또는 학습ㆍ사고기능 추가 두뇌형 계산기 및 그것을 이용한 컴퓨터 시스템의 실현이 대망(待望) 되고 있다.
본 발명은, 상기 종래형의 튜링 머신에서는 불가능했었던, 의미 해독, 유추, 귀납추론, 가설생성 등의 고도의 사고 기능을 실현하는 것을 목적으로 하는 것이다. 특히, 정보의 본질인 정보의 특성, 의미 관계, 구조 등을 해석하고, 정보의 의미 관계를 개념 사이의 관계로서 받아들여서 개념 및 관계가 가지는 의미를 표현ㆍ축적 가능하게 하는 학습 기계를 제공하는 동시에, 입력된 질문을 이미 축적된 지식과 비교 처리를 행하고, 이해, 필요한 정보 생성, 그 평가, 판단, 결정 등의 처리를 가능하게 하는 사고기계 및 그것을 이용한 컴퓨터 시스템을 제공하는 것이다.
상기 목적을 달성하기 위해, 본원청구의 범위(1) 에 기재의 학습ㆍ사고기계의 발명은, 이하의 수단을 갖추는 것을 특징으로 하고 있다. 즉, (1) 총괄적으로 정보를 수집하는 수단과, (2) 수집한 정보보다 복수의 분석 룰에 따라서 의미 관계를 추출하는 수단과, (3) 추출된 의미 관계에 의거하여 정보의 의미 내용을 충분하게 표현하도록 구조화된 지식으로서 기억하는 수단으로 이루어지는 지식기반을 갖춘 학습ㆍ사고기계에 있어서, (4) 상기 의미 관계에 의거하여 구조화된 지식이 문의 또는 요구에 대응하여 소정의 추론에 의해 새로운 정보를 생성하는 수단과, (5) 생성된 새로운 정보를 평가하는 수단과, (6) 이 평가결과의 순위 매김을 판단하는 수단과, (7) 판단한 결과에 의거하여 최적 해답을 결정하는 수단과, (8) 외부로부터의 문의 또는 요구를 받아들이는 입력수단과, (9) 외부로부터의 문의 또는 요구와 지식기반과의 조합을 실시하는 조합수단을 설치하고, 이 조합수단에 의해서 조합한 결과, 완전하게 일치한 경우는 그것을 이해한 것을 중추부로 전달하는 동시에, 조합의 결과 부분적으로 일치하는 경우는 의미 관계에 의거하여 구조화된 지식이 새로운 의미적인 내용과 관계를 가지도록 소정의 추론에 의해 정보생성을 실시하는 것을 특징으로 하고 있다.
또한, 청구의 범위 제 2항에 기재되는 학습ㆍ사고방법의 발명은, 이하의 스텝을 갖추는 것을 특징으로 하고 있다. 즉, (1) 총괄적으로 수집한 데이터, 정보, 지식을 입력하는 지식 입력 스텝과, (2) 상기 입력한 데이터, 정보, 지식보다 복수의 룰에 따라서 의미 관계를 추출하고, 추출한 의미관계에 의거하여 정보의 구조화된 지식을 기억하는 지식구조화 스텝과, (3) 상기 의미 관계에 의거하여 구조화된 지식이 새로운 의미적인 내용과 관계를 가지도록 소정의 추론에 의해, 새로운 정보 생성을 행하는 정보 생성 스텝과, (4) 상기 정보생성된 결과를 지식기반과 조합시켜서, 이 정보생성된 새로운 지식을 평가하여 판단하는 평가 판단 스텝과, (5) 상기 평가ㆍ판단한 결과, 새롭게 정보생성된 지식을 지식기반에 축적하고, 지식의 증가를 도모하는 지식 증가 스텝과, (6) 외부로부터의 문의 또는 요구에 대응하여 최적 해답을 결정하여 출력하는 최적 해답 결정 스텝을 포함하며, 또한 (7) 상기 정보 생성 스텝과, 관련 노드가 기억된 유닛을 검색하는 노드 탐색 스텝과, (8) 관련 링크가 기억된 유닛을 검색하는 링크 탐색 스텝과, (9) 이 관련 노드 탐색 스텝 또는 관련 링크 탐색 스텝의 결과에 의거하여, 적어도 유추, 귀납추론, 가설추론 또는 연상의 어느 것을 이용한 추론과 이해를 행하는 스텝을 포함하는 것을 특징으로 한다.
청구의 범위 제 3항에 기재된 학습ㆍ사고 방법의 발명은, 청구의 범위 제 2항에 기재의 구조화 지식에 의거하여 학습ㆍ사고 방법에 있어서의 평가 판단 스텝이 이하의 스텝을 가지고 구성되는 것을 특징으로 한다. 즉, 상기 평가 판단 스텝은, (1) 새롭게 정보 생성된 지식을, 이미 지식 기반에 기억되어 있는 지식을 계속 참조하면서 항목별로 평가하는 스텝과, (2) 새롭게 생성된 지식이 문의의 요구를 충족하고 있는지를 판단하고, 요구를 충족하고 있으면 그 지식을 해답의 후보로서 하고, 요구를 충족하고 있지 않은 경우는 다른 결과를 구하여 상기 항목별로 평가하는 스텝으로 돌아가는 스텝과, (3) 이 후보로 한 지식을, 지식기반을 참조하여 순위 매김 하는 스텝과, (4) 순위 매김 한 후보 중에서 목적 필요 조건이 최적인 후보를 추출ㆍ결정하는 스텝을, 포함하는 것을 특징으로 하는 것이다.
또한, 청구의 범위 제 4항에 기재되는 학습ㆍ사고 방법의 발명은, 청구의 범위 제 2항에 기재의 구조화 지식에 의거한 학습 ㆍ사고 방법에 있어서의 지식 증가 스텝이 이하의 스텝을 가지고 구성되는 것을 특징으로 하고 있다. 즉, 상기 지식 증가 스텝은, (1) 정보생성 스텝에서 정보생성되며, 상기 평가ㆍ판단 스텝에서 최적 해답으로서 생성된 새로운 지식을 새로운 노드로서 증가시킬지를 판단하는 스텝과, (2) 새로운 노드로서 증가시키는 경우는, 유닛 통합 기억에 기억시키는 스텝과, (3) 노드 증가 여하에 구애받지 않고, 상기 생성된 새로운 지식을 링크로서 증가할지 아닐지를 판단하는 스텝과, (4) 새로운 링크로서 증가하는 경우에는, 유닛 통합 기록에 기억시키는 스텝을 포함하는 것을 특징으로 한다.
본 발명의 학습ㆍ사고기계 및 학습ㆍ사고방법에 의하면, 정보가 가지는 다양한 의미를 구조화함으로써, 정보의 의미 구조를 통하여 기술, 표현되어 있는 의미 내용을 계산기에서 이해하는 것이 가능하다. 또한 고속인 기능으로서, 이러한 것을 복합하여 대상의 해석, 발상, 평가, 문제해결, 의지결정 등을 실현할 수 있게 되며, 인간의 두뇌를 속도, 정밀도, 용량적으로 초과하는 학습ㆍ사고기계 및 학습ㆍ사고 방법이 실현 가능하다.
다음에, 상기 학습ㆍ사고기계를 복수 갖춘 본 발명의 컴퓨터 시스템에 대해서 설명한다. 일반적으로, 상술한 학습 ㆍ사고기계(이하, 컴퓨터라고 한다. ) 를 복수 사용하여, 처리되는 지식을 메모리에 기억시켜서 정보의 처리를 행하는 경우, 메모리에 기억되는 지식을 읽어내고 비교 등을 실시하는 처리량은, 지식의 량이 많으면 많을수록 천문학적인 숫자가 된다. 예를 들면, N개의 지식(개념, 용어) 에 대해서, 연결을 가질 수 있는 공간은, 그래프에서 나타낸 경우는 N의 2승개의 공간에서도 되지만, 하이퍼 그래프에서 나타낸 경우는 2의 N승 개의 공간, 또한 균질화 2부 그래프로 하면 2의 N승의 N승 부분이 재귀적으로 2의 N승 개의 공간이라는 방대한 공간에까지 확장된다.
여기서, 인간의 지식의 량을 생각하면, N이 만(10만 ~ 100만) 단위가 된 경우에는 이러한 공간에 있어서의 정보처리량은, N의 제곱(Nth Power) 이므로, 사실상 처리가 곤란한 방대한 정보량이 된다. 이것을 NP 완전(NP complete) 문제라고 한다.
본 발명의 정보 처리 시스텝은, 이 NP 완전의 문제를 해결하는 것을 목적으로 한 초뇌형(超腦型) 컴퓨터 시스템을 제공하는 것이다.
이 목적을 달성하기 위해, 청구의 범위 제 5항에 기재된 컴퓨터 시스템은, 이하의 점을 특징으로 하고 있다. 즉, 중앙 관리 컴퓨터와, 복수의 셀컴퓨터가 통신 가능하게 결합되어 있는 컴퓨터 시스템에 있어서, (1) 중앙관리 컴퓨터는, 동작 전에 모든 셀컴퓨터의 어드레스 및 명칭을 기억하고 있어, 모든 셀컴퓨터에 대해서 질문을 입력 가능하게 하는 동시에, 질문에 대한 회답을 출력 가능하게 하도록 구성되며, (2) 모든 셀컴퓨터는, 각각 지식과 그 연결 끝의 지식을 나타내도록 구조화된 지식이 1개씩 기억되어 있고, 각 지식의 의미 관계마다 연결 끝의 정보에 액세스할 수 있도록 구성되어 있다. (3) 그리고, 질문이 입력되면, 중앙 관리 컴퓨터로부터 모든 복수의 셀컴퓨터에 대해서 질문이 송신되며, 전제 동작으로서, 복수의 셀컴퓨터는 각각이 보유하는 지식의 질문에 대한 의미 관계의 연결 정보에 의거하여 처리 대상 상태 또는 부적합 상태에 상태를 변화시키고, 상기 질문에 대해서, 의미 관계의 연결이 없는 셀컴퓨터는 부적합 상태가 되어 부적합 상태인 뜻을 중앙 관리 컴퓨터 및 관련하는 셀컴퓨터에 연결하는 동시에, 상기 질문에 대해서 의미 관계의 연결이 있는 셀컴퓨터만이 처리 대상 상태가 되어 처리 대상 상태의 셀컴퓨터만이 처리를 속행하고, 질문에 대응하여 이 셀컴퓨터로부터의 회답을 해석 및 의미 이해함으로써 새로운 정보를 생성한다. (5) 그리고, 생성된 새로운 정보를 질문에 대응하도록 변환하여 회답으로서 출력한다.
청구의 범위 제 6항에 기재된 컴퓨터 시스템은, 청구의 범위 제 5항에 기재의 컴퓨터 시스템에 더욱 이하의 점을 추가한 것을 특징으로 하는 컴퓨터 시스템이다. 즉, 중앙관리 컴퓨터는, (1) 질문입력부에 질문이 입력되면, 입력된 질문의 조건을 해석하는 요구조건해석부와, (2) 해석된 요구조건에 의거하여 전체 셀컴퓨터에 대해서 요구 조건의 송신을 행하고, 이것에 대해서 부적합 셀컴퓨터로부터의 부적합 상태의 회신을 수신하고, 전체 셀컴퓨터로부터의 부적합 셀컴퓨터를 제외한 요구 조건에 대해서 처리대상이 되는 셀컴퓨터의 검출을 행하는 요구조건 처리대상 셀 검출부와, (3) 검출된 처리대상 셀컴퓨터에 대해서만 그 이후의 검색 동작을 속행하여, 처리 대상 셀컴퓨터로부터 검색 회답을 수신하고, 수신된 검색 회답에 의거하여 검색 결과의 해석을 행하는 검색 송수신부와, (4) 해석된 검색 결과로부터 의미 이해 및 정보생성을 행하여, 새로운 정보를 생성하는 의미 이해ㆍ정보 생성부와, (5) 생성된 새로운 정보가 요구되는 출력 형식으로 변환하는 출력 정보 변환부와, (6) 생성된 새로운 정보에 의거하여, 의미의 연결이 있는 연결 끝의 셀컴퓨터의 주소를 순차 갱신 가능하게 기억하는 셀 연결 끝 주소 기억부와, (7) 생성된 새로운 정보가 요구되는 출력 형식에서 출력하는 회답 출력부를 갖춘 것을 특징으로 하는 컴퓨터 시스템이다.
청구의 범위 제 7항에 기재된 컴퓨터 시스템은, 청구의 범위 제 5항에 기재의 컴퓨터 시스템에 더욱 이하의 사항을 부가한 것을 특징으로 하고 있다. 즉, 복수의 셀컴퓨터는, (1) 중앙 관리 컴퓨터로부터 전체 셀컴퓨터에 일제히 송신되는 요구 조건에, 자기 셀컴퓨터가 적합한지 아닌지를 연결 끝의 셀컴퓨터가 있는지 아닌지의 판단 정보를 이용하여 판단하는 요구 조건 처리 대상 판단부와, (2) 요구 조건에 대해서 자기 셀컴퓨터가 부적합인 경우에는 부적합 상태를 중앙 관리 컴퓨터에 회신하고, 요구 조건에 대해서 자기 셀컴퓨터가 처리 대상 상태인 경우에는 처리 대상 상태를 연결 끝의 셀컴퓨터에 연락하는 부적합 회신ㆍ연결 끝 셀 연락부와, (3) 요구 조건에 대해서 자기 셀컴퓨터가 처리 대상인 경우에 중앙 관리 컴퓨터로부터의 검색 정보를 수신하는 검색 수신부와, (4) 요구 조건에 따라 자기 셀컴퓨터가 정보의 연결이 있는 연결 끝의 다른 셀컴퓨터를 검색하여, 요구 조건 마다 검색 정보에 의거한 검색을 행할 수 있는지 아닌지를, 연결 끝의 셀컴퓨터의 정보를 이용하여 판단하는 연결 끝 판단부와, (5) 지나간 검색의 회답을 중앙 관리 컴퓨터에 회신하는 검색 회답부와, (6) 검색 정보 및 검색의 회답에 의거하여 얻을 수 있는 지식을 순차 갱신 가능하게 기억하는 지식 기억부와, (7) 얻을 수 있는 지식에 대응하는 연결 끝의 셀컴퓨터를 순차 갱신 가능하게 기억하는 연결 끝 셀기억부를 갖춘 것을 특징으로 하는 컴퓨터 시스템이다.
청구의 범위 제 8항에 기재된 컴퓨터 시스템은, 청구의 범위 제 7항에 기재의 컴퓨터 시스템에 있어서의 연결 판단부의 구성으로서, 이하의 수단으로부터 구성되는 것을 특징으로 하고 있다. 즉, 연결 끝 판단부는, (1) 요구 조건의 구조가 스텝수(N)(자연수)의 패스를 찾는 스텝수(N ) 탐색 수단과, (2) 요구 조건의 구조가 트리형의 패스를 찾는 트리형 패스 탐색 수단과, (3) 요구 조건의 구조 루프형의 패스를 찾는 루프형 패스 탐색 수단을 가지고, 상기 요구 조건의 구조에 따른 연결 판단을 하는 것을 특징으로 하는 컴퓨터 시스템이다.
청구의 범위 제 9항에 기재된 정보생성방법의 발명은, 중앙 관리 컴퓨터와, 복수의 셀컴퓨터가 통신 가능하게 결합되어 있는 컴퓨터 시스템을 이용한 정보생성방법에 있어서, 이하의 동작 또는 정보처리 스텝을 가지는 것을 특징으로 하고 있다. 즉, (1) 중앙 관리 컴퓨터는 동작 전에 복수의 셀컴퓨터의 주소만을 기억하고 있어, 복수의 셀컴퓨터에 대해서 질문을 입력 가능하며, 질문에 대한 회답을 출력 가능하며, (2) 복수의 셀컴퓨터는 각각 지식과 그 연결 끝의 지식을 나타내도록 구조화된 지식이 1개씩 기억되어 있는 동시에, 각 지식의 의미 관계의 연결 끝의 정보가 기억되며, 복수의 셀컴퓨터는 질문받는 문제에 따라, 각 셀컴퓨터 간에 서로 통신 가능하며, (3) 질문이 입력되면, 중앙 관리 컴퓨터로부터 모든 복수의 셀컴퓨터에 대해서 질문이 송신되는 스텝과, (4) 전제 동작으로서 질문에 대해, 복수의 셀컴퓨터는 각각 지식과, 의미 관계의 연결 정보에 의거하여 처리 대상 상태 또는 부적합 상태로 상태를 변화시키는 스텝과, (5) 질문에 대해서, 의미 관계의 연결이 없는 셀컴퓨터는 부적합 상태가 되어 이 부적합 상태인 취지를 중앙 관리 컴퓨터에 회신하고, 질문에 대해서, 의미 관계의 연결이 있는 셀컴퓨터만이 처리 대상 상태가 되어 회답을 중앙 관리 컴퓨터에 회신하는 스텝과, (6) 중앙 관리 컴퓨터는 적합 상태의 셀컴퓨터에만 질문을 속행하는 스텝과, (7) 각 셀컴퓨터로부터의 회답을 해석 및 의미 이해함으로써 새로운 정보를 생성하고, 생성된 새로운 정보를 질문에 대응하도록 변환하여 회답으로서 출력하는 스텝을 갖춘 것을 특징으로 하는 정보생성방법이다.
청구항 10에 기재된 정보생성방법의 발명은, 청구의 범위 제 9항에 기재의 정보생성방법에 있어서, 더욱 이하의 정보처리 스텝을 가지는 것을 특징으로 하고 있다. 즉, 중앙 관리 컴퓨터는, (1) 질문 입력부에 질문이 입력되면, 입력된 질문의 조건을 요구 조건 해석부에 의해 해석하는 스텝과, (2) 해석된 요구 조건에 의거하여 요구 조건 처리 대상 셀 검출부에 의해 전체 셀컴퓨터에 대해서 요구 조건의 송신을 행하고, 이것에 대해서 부적합 셀컴퓨터로부터의 부적합 상태의 회신을 수신하고, 전체 셀컴퓨터로부터 부적합 셀컴퓨터를 제외한 요구 조건에 대하여 처리 대상이 되는 셀컴퓨터의 검출을 행하는 스텝과, (3) 검출된 처리 대상 셀컴퓨터에 대해서만 검색 송수신부에 의해 그 이후의 검색 동작을 속행하고, 처리 대상 셀컴퓨터로부터 검색 회답을 수신하는 스텝과, 수신된 검색 회답에 의거하여 검색 결과 해석부에 의해 검색 결과의 해석을 행하는 스텝과, (4) 해석된 검색 결과로부터 의미 이해ㆍ정보 생성부에 의해 의미 이해 및 정보생성을 행하여, 새로운 정보를 생성하는 스텝과, (5) 생성된 새로운 정보를 출력 정보 변환부에 의해 요구되는 출력 형식으로 변환하는 스텝과, (6) 생성된 새로운 정보에 의거하여, 의미의 연결이 있는 연결 끝의 셀컴퓨터의 주소를 순차 갱신 가능하게 셀 연결 끝 주소 기억부에 기억하는 스텝과, (7) 생성된 새로운 정보를 회답 출력부에 의해 요구되는 출력 형식에서 출력하는 스텝을 갖춘 것을 특징으로 한다.
청구의 범위 제 11항에 기재된 정보처리 방법의 발명은, 청구의 범위 제 9항에 기재의 정보생성방법에 있어서, 더욱, 이하의 정보처리 스텝을 가지는 것을 특징으로 하고 있다. 즉, 복수의 셀컴퓨터는, (1) 중앙 관리 컴퓨터로부터 전체 셀컴퓨터에 일제히 송신되는 요구 조건에, 자기 셀컴퓨터가 처리 대상이 되는지 아닌지를 요구 조건 처리 대상 판단부에 의해 연결 끝의 셀컴퓨터가 있는지 아닌지의 판단 정보를 이용하고 판단하는 스텝과, (2) 요구 조건에 대해서 자기 셀컴퓨터가 부적합한 경우에 부적합 상태를 중앙 관리 컴퓨터에 회신하고, 요구 조건에 대해서 자기 셀컴퓨터가 처리 대상인 경우에는 처리 대상 상태를 연결 끝의 셀컴퓨터에 부적합 회신ㆍ연결 끝 셀 연락부에 의해 연락하는 스텝과, (3) 요구 조건에 대하여 자기 셀컴퓨터가 처리 대상인 경우에 중앙 관리 컴퓨터로부터의 검색 정보를 검색 수신부에 의해 수신하는 스텝과, (4) 요구 조건에 따라 자기 셀컴퓨터가 정보의 연결이 있는 연결 끝의 다른 셀컴퓨터를 검색하여, 요구 조건 마다 검색 정보에 의거한 검색을 행할 수 있는지 아닌지를, 연결 끝의 셀컴퓨터의 정보를 이용해 연결 끝 판단부에 의해 판단하는 스텝과, (5) 지나간 검색의 회답을 중앙 관리 컴퓨터에 검색 회답부에 의해 회신하는 스텝과, (6) 검색 정보 및 검색의 회답에 의거하여 얻을 수 있는 지식을 지식 기억부에 순차 갱신 가능하게 기억하는 스텝과, (7) 얻을 수 있는 지식에 대응하는 연결 끝의 셀컴퓨터를 연결 끝 셀기억부에 순차 갱신 가능하게 기억하는 스텝을 갖춘 것을 특징으로 한다.
청구의 범위 제 12항에 기재된 정보처리 방법의 발명은, 청구의 범위 제 11항에 기재의 정보생성방법에 있어서, 더욱, 연결 끝 판단부가 이하의 정보처리 스텝을 가지는 것을 특징으로 하고 있다. 즉, 연결 끝 판단부는, (1) 요구 조건의 구조에 의한 연결 판단 중의 스텝수(N)(자연수)의 패스를 찾는 동작에서는, 자기 셀컴퓨터를 포함하여 노드수(N)에서 연결 끝의 셀컴퓨터가 있는지 아닌지를 판단하고, (2) 노드수(N)에서 연결 끝의 셀컴퓨터가 있다고 하는 정보에 의거하여, 자기 셀컴퓨터를 포함한 노드수(N)의 연결을 가지는 셀컴퓨터를 처리 대상 상태라고 판단하여, 부적합 회신ㆍ연결 끝 셀 연락부를 통하여 이것들을 처리 대상 상태로 이행하도록 연락하고, (3) 노드수(N)에서 연결 끝의 셀컴퓨터가 없다고 하는 정보에 의거하여, 자기 셀컴퓨터를 포함해 N 이외의 다른 노드수의 연결을 가지는 셀컴퓨터를 부적합 상태라고 판단하여, 부적합 회신ㆍ연결 끝 셀 연락부를 통하여 이것들을 부적합 상태로 이행하도록 연락함과 동시에, (4) 중앙 관리 컴퓨터에 부적합 상태를 연락하는 것을 특징으로 한다.
청구의 범위 제 13항에 기재된 정보처리 방법의 발명은, 청구의 범위 제 11항에 기재의 정보생성방법에 있어서, 더욱, 연결 끝 판단부가 이하의 정보처리 스텝을 가지는 것을 특징으로 하고 있다. 즉, 연결 끝 판단부는, (1) 요구 조건의 구조에 의한 연결 판단 중 트리형의 패스를 찾는 동작에서는, 자기 셀컴퓨터를 포함하여 트리형이 되는 연결 끝의 셀컴퓨터를 탐색할 때에, 자기 셀컴퓨터를 포함해 트리형이 되는 연결 끝의 셀컴퓨터가 가장자리인지 아닌지를 판단하고, (2) 이때, 가장자리의 연결 끝의 셀컴퓨터도 순차 가장자리라고 판단하여, 트리형이 되는 연결 끝의 셀컴퓨터의 전부를 가장자리라고 판단하고, (3) 트리형이 되는 연결 끝의 셀컴퓨터의 전부가 가장자리라고 하는 정보에 의거하여 가장자리를 처리 대상 상태라고 판단하여, 트리형이 되는 연결 끝의 셀컴퓨터의 전부를 처리 대상 상태라고 판단하고, 부적합 회신ㆍ연결 끝 셀 연락부를 통하여 이것들을 처리 대상 상태로 이행하도록 연락하고, (4) 처리 대상 상태의 트리형이 되는 연결 끝의 셀컴퓨터를 제외하여, 남은 루프형이 되는 연결 끝의 셀컴퓨터의 전부를 부적합 상태라고 판단하여, 부적합 회신ㆍ연결 끝 셀 연락부를 통하여 이것들을 부적합 상태로 이행하도록 연락함과 동시에, (5) 중앙 관리 컴퓨터에 부적합 상태를 연락하는 것을 특징으로 하는 정보생성방법이다.
청구의 범위 제 14항에 기재된 정보처리 방법의 발명은, 청구의 범위 제 11항에 기재의 정보생성방법에 있어서, 더욱, 연결 끝 판단부가 이하의 정보처리 스텝을 가지는 것을 특징으로 하고 있다. 즉, 연결 끝 판단부는, (1) 요구 조건의 구조에 의한 연결 판단 중 루프형의 패스를 찾는 동작에서는, 자기 셀컴퓨터를 포함하여 루프형이 되는 연결 끝의 셀컴퓨터를 탐색할 때에, 자기 셀컴퓨터를 포함하여 트리형이 되는 연결 끝의 셀컴퓨터가 가장자리인지 아닌지를 판단하고, (2) 이때, 가장자리의 연결 끝의 셀컴퓨터도 순차 가장자리라고 판단하여, 트리형이 되는 연결 끝의 셀컴퓨터의 전부를 가장자리라고 판단하고, (3) 트리형이 되는 연결 끝의 셀컴퓨터의 전부가 가장자리라고 하는 정보에 의거하여 가장자리를 부적합 상태라고 판단하고, 트리형이 되는 연결 끝의 셀컴퓨터의 전부를 부적합 상태라고 판단하여, 부적합 회신ㆍ연결 끝 셀 연락부를 통하여 이것들을 부적합 상태로 이행하도록 연락함과 동시에, 중앙 관리 컴퓨터에 부적합 상태를 연락하고, (4) 자기 셀컴퓨터를 포함하여 노드수(N)(자연수)에서 연결 끝의 셀컴퓨터가 있는지 아닌지를 판단하고, 부적합 상태의 트리형이 되는 연결 끝의 셀컴퓨터를 제외하여, 한층 더 노드수(N)의 판단을 맞추어 가서, 남은 노드수(N)의 루프형이 되는 연결 끝의 셀컴퓨터를 처리 대상 상태라고 판단하여, 부적합 회신ㆍ연결 끝 셀 연락부를 통하여 이것들을 처리 대상 상태로 이행하도록 연락하고, (5) 노드수(N)에서 연결 끝의 셀컴퓨터가 없다고 하는 정보에 의거하여 자기 셀컴퓨터를 포함한 다른 노드수를 부적합 상태라고 판단하여, 부적합 회신ㆍ연결 끝 셀 연락부를 통하여 이것들을 부적합 상태로 이행하도록 연락함과 동시에, (6) 중앙 관리 컴퓨터에 부적합 상태를 연락하는 것을 특징으로 한다.
본 발명의 컴퓨터 시스템 및 이것을 이용한 정보처리 방법에 의하면, 질문에 대해서, 직접 또는 간접적으로 연결을 가지지 않는 셀컴퓨터를 부적합 상태로서, 질문과 관계되는 연결을 가지는 셀컴퓨터만을 처리 대상 상태로 함으로써, 의미의 연결이 있는 셀컴퓨터만이 마치 인간의 뇌세포의 기능과 같은 사고 동작을 할 수 있다. 이것에 의해 NP 완전의 문제가 해결된다.
본 발명의 실시 형태를 설명하기 전에, 우선, 본 발명의 전제가 되는 이론을 설명한다. 정보를 개념과 개념 사이의 관계의 집합으로서 파악하고, 개념과 개념 사이의 관계로부터 구성되는 구조체로서 의미를 기술하는 방법은, 도 10과 같은 그래프로 나타낼 수 있다. 즉 「개는 동물이다.」라고 하는 문장을, 「개」라고 하는 개념(노드)과 「동물」이라고 하는 개념(노드)을 「이다」라고 하는 관계( 「is-a」의 관계-링크:화살표로 표시)로 묶은 것이다. 이러한 그래프적인 기술에서는, 의미 관계를 표현하는 경우에 한계가 있다. 개념(노드)과 개념(노드)을 관계(링크)로 묶는 그래프의 수법에서는, 3개 이상의 개념의 관계가 관련된 인과관계와 같은 관계를 처리할 수 없다. 여기에 종래형의 2항 관계만을 처리하는 그래프적 기술 방식의 한계가 있다. 또한 이른바 결정목(決定木)으로 인과관계를 표현하는 것은 가능하지만, 결정목은 그래프는 아니다.
그래서, 본 발명자는, 2항 관계뿐만 아니라 3항 이상의 다항 관계도 처리하기 위한 동시에 관계가 가지는 의미를 개념이 가지는 의미와 같게 표현하기 위해서, 이 「is-a」와 같은 관계를 하나의 개념으로서 「개」나 「동물」과 동등하게 처리하는 것으로 했다. 즉, 도 11에 나타내는 바와 같이, 「is-a」도 컴퓨터에서 보아 하나의 개념으로서 처리하는 것으로 한 것이다. 바꾸어 말하면, 「개는 동물이다.」라고 하는 하나의 「is-a」의 관계를, 「개」와「is-a」의 관계와, 「is-a」와「동물」의 관계의 두 개로 나눈 것이 본 발명자의 발안이다. 이와 같이, 관계도 개념으로서 처리할 수 있도록 했으므로 이것을 「노드와 링크의 상대성」이라고 한다.) 후술하는 바와 같은 다항 관계, 인과관계, 상대성, 상대성에 대해서도 표현 가능하게 되는 것이다. 즉, 이것에 의해서, 컴퓨터에 의한 언어 처리, 문장의 의미 처리가 지극히 간단하고 정밀하게 실시할 수 있게 된다.
도 12는, 더욱 복잡한 문장을 도식화한 것이다. 가는 실선의 타원으로 나타내는 그룹(A)에서 정리한 부분은, 「「빌린다」는 「대차 관계」이다.」라고 하는 것을 나타내고 있다. 여기서 「빌린다」와 「대차 관계」는 개념을 나타내고, 「is-a」는 그룹(A)의 관계를 나타내는 것이다. 점선으로 나타내는 그룹(B)에서는, 「나는 차를 빌린다.」라고 하는 문장을 나타낸 것이며, 이 경우의 「나」와「차」는 개념이지만 「빌린다」는 이 두 개의 개념의 관계를 나타내는 것이다. 이 예와 같이, 「빌린다」라고 하는 말은 관계가 되거나 개념이 되거나 하는 것이지만, 이것을 개념과 관계의 상대성이라고 한다. 본 발명자는, 관계도 개념도 동일하게 처리하고, 개념과 개념을 연결하는 링크상에 「은」 「에서」 「을」 등의 조사 또는 화살표를 두면, 그 후의 컴퓨터에 의한 의미 처리가 극히 보편적이 되는 것을 찾아낸 것이다.
본 발명자는, 개념과 관계를 동일하게 처리할 수 있는 상기와 같은 구조체를 균질화 2부 그래프 모델(Homogenized Bipartite Model:HBM)이라고 명명하고, 먼저 소개한 논문에서 이미 제안하고 있다. 이 균질화 2부 그래프를 이용함으로써, 정보의 의미 내용의 특성으로부터 그러한 의미 내용의 모든 것을 지지할 수 있는 개념 구조를 작성할 수 있게 되며, 유추, 귀납추론, 가설 생성 등의 고도의 기능이 실현 가능해진다.
여기서 균질화 2부 그래프는 이하와 같은 구조체이다.
[식1]
E⊆2V
[식 2]
Ⅴ=ⅤU E
[식3]
E=E U V
[식 4]
σ:L->ⅤU E
여기서, Ⅴ는 정보의 개념을 나타내는 노드의 집합, E는 정보의 관계를 나타내는 링크의 집합, L는 라벨 즉 표현의 집합을 나타낸다. σ는 노드나 링크, 즉 개념과 관계에 라벨(문자열)을 할당하는 것을 나타내고 있다.
이 균질화 2부 그래프는, 다항 관계를 처리할 수 있는 하이퍼 그래프의 확장이며, 하이퍼 그래프에서는, 링크의 수는, (1) 식에서 나타나는 바와 같이, 노드의 총수를 Ⅴ로 하면 2의 Ⅴ승(乘) 이하가 된다. 균질화 2부 그래프는, 이 (1)식 외에, (2)식과 (3)식을 동시에 만족시키는 모델이다. 즉, 하이퍼 그래프에서도 충족되는 식(1)은, 노드 집합의 임의의 부분 집합으로서 링크(관계)가 있는 것을 나타내고 있지만, 식(2)은 링크(관계)도 노드(개념)로서 처리할 수 있는 것을 나타내고, 식(3)은 노드(개념)도 링크(관계)로서 처리할 수 있는 것을 나타내고 있다. 식(2)은 추상화 혹은 재귀 구조에 대응하며, 식(3)은 숨은형의 내부 구조가 허용되는 것을 나타내는 것이다. 이 식(2)과 식(3)의 관계를 합치면, 노드와 링크는 기본적으로 상대적이며 균질화 되게 된다. 식(4)은, 노드와 링크의 표현(용어)과의 대응 관계를 나타내는 것이다. 이 식(4)은, 모든 표현은 노드(개념)인지, 링크(관계)인지의 어느 것 인가를 나타내는 것이지만, 어느 노드(개념)가 링크(관계)에 대해서 어떠한 역할 또는 입장을 나타낼지의 보조 표현(통상은 「은」이나「에서」와 같은 조사에 해당한다.)을 포함하여 고안하고 있다. 이 「은」이나 「에서」대신에 화살표를 사용하여 표현하는 것도 가능하다.
정보의 의미 이해를 포함하여 관리에 적합한 정보의 자원화를 실시하려면, 서지(書誌) 정보에 대한 물리 구조, 개념 관계에 대한 개념 구조, 인과관계를 중심으로 한 논리 관계에 대한 논리 구조로 나누어 구조화하는 것이 의미 관계의 추출의 면에서도, 정보 자원의 관리의 면에서도 편리하다. 그렇지만 정보의 의미 처리까지를 포함하면, 기술, 이해의 면에서 불충분하며, 정보의 의미 관계에 의거하여 정보 전체를 조직화(구조화) 하는 것이 필요하다. 도 13은 의미 관계에 의거한 지식의 자기조직화 시스템을 설명하기 위한 도면이다. 여기서 자기조직화란, 개념이나 관계가 각각의 내장하는 의미 관계에 대응하여 자율적으로 조직화되는 것을 말한다.
여기서, 자기조직화와 구조화는 똑같은 의미라고 생각해도 좋다. 대량의 정보의 구조화를 사람의 손으로 실시하려면 시간과 노력이 필요하다. 그래서, 많은 전문용어를 가진 전문 사전, 사전, 핸드북, 논문지, 교과서, 전문서 등의 정보 자원을 총괄적으로 수집하여 데이터 베이스(40)를 작성한다. 다음에, 이 총괄적으로 수집한 정보를, 사각에서 나타내는 C-TRAN법 41, SS-KWEIC법 42, SS-SANS법 43, SANS법 44에 의해, 동치 관계, 계층 관계, 각종 의미 관계 등을 추출한다. 그리고 INTEGRAL법 45에 의해 추출된 각 의미 관계를 기초로 통합화를 실시한다. 이렇게 하여 의미 관계에 의거한 정보ㆍ지식의 구조화 즉 자기조직화가 자동적으로 실현되며, 자기조직화된 지식 정보로서 지식 기반(46)에 수집 축적된다.
이러한 각종 관계를 추출하는 방법에 대해서, 개별적으로 설명하면, C-TRAN법(Constrained Transitive Closure)은, 용어 간의 동치 관계 즉 동의어 집합을 추출하는 방법이다. 예를 들면, 일영(日英)의 대역 용어집 등을 이용하여, 기재되어 있는 일본어와 영어 번역을 동치 관계로서 추출하는 방법이다. 추출 순서는 도 14에 나타내는 바와 같이, 일영 대역(對譯) 용어집에 일본어의 계산기의 대역으로서 「computer」가 기재되어 있고, 영어 부분의 「computer」에 「コンピュ-タ」라고 하는 카타카나 용어가 기재되어 있으면, 「계산기」, 「computer」, 「コンピュ-タ」를 동치 관계로서 추출하고, 동일하게 일본어의 「コンピュ-タ」에 「PC」라고 하는 번역이 있으면 「PC」도 동치 관계라고 간주하여, 추이폐포적(推移閉包的)으로 동의어 집합을 넓혀 가는 방법이다.
다음에, SS-KWEIC법(Semantically Structured Key Word element Index in terminological Context)은, 전문용어의 구성 규칙에 의거하여, 복합 용어를 기본 구성 용어로 분해하고, 상호 관계를 해석하는 것에 의해서 계층 관계(상위어, 하위어) 및 관련 관계를 획득하는 방법이다.
전문용어는 다음과 같은 특징을 가지고 있다. 즉 ㆍ 거의 명사인, ㆍ뒷부분의 체언류 어기(語基)의 성질이나 상태를, 앞 부분의 어기가 수식하거나 한정하거나 하는 등의 수식 관계가 가장 많은, ㆍ어기가 복수의 어기를 포함하는 경우가 많은, 등이다.
이 특징을 근거로 하여, 전문 용어의 구성 규칙에 따라서, 복합 용어를 기본 구성용어 분해하여 상호의 관계를 해석함으로써, 계층 관계, 관련 관계를 추출할 수 있다. 계층 관계인지 관련 관계인지는, 복합어에 있어서의 수식 관계에 의해 판단할 수 있다.
도 15는, SSㆍKWEIC법에 따른 계층ㆍ관련 관계의 추출 예를 나타낸 것이다. 분해 전의 전문 용어로서는, 「시스템」 「정보 시스템」 「제어 시스템」 「기상 정보 시스템」 「금융정보 시스템」이 있다. 「시스템」이외의 용어는 각각 두 개 내지 세 개의 용어로 분해되며, 그 수식 관계에 의거하여 계층 관계인지 관련 관계인지가 판단된다. 즉, 「시스템'정보 시스템 ' 기상 정보 시스템」이라고 하는 상위에서 하위로의 흐름은 계층 관계이며, 「정보 시스템」과「제어 시스템」 및 「기상 정보 시스템」과「금융정보 시스템」은 관련 관계이다.
SS-SANS법(Semantically Specified Syntactic Analysis)은, 특정 용어를 중심으로 하는 일정 구문을 결정하는 것으로부터 시작되며, 구문 분석의 결과를 이용함으로써, 동치의 새로운 구문 패턴을 찾고, 그 구문을 재귀적(再歸的)으로 이용함으로써, 특정 용어와 구문을 확대해 가는 방법이다. 이 방법에 의해 자연과학 등에 있어서의 중요한 논리 관계 특히 인과관계 등의 관련 관계를 자동적으로 추출하여 구조화할 수 있다.
다음에, SS-SANS법을 이용한 관련 관계의 추출 순서를 도 16에 나타낸다. 지금, 구체적인 문장으로서 「NMR에서 구조를 측정한다」라고 하는 문장을 생각했을 때, 우선 특정 용어 「측정」에 대응하는 용어로서 「NMR에서 구조를ㆍㆍㆍ」라고 하는 문장을 모으고, 예를 들면 「해석」 「분석」을 추출한다. 그러면, 「NMR에서 구조를 해석한다」나 「NMR에서 구조를 분석한다」라고 하는 문장이 관련 문장으로서 생성된다. 이러한 새롭게 생성된 문장으로부터, 특정 용어인 「구조」에 해당하는 용어를 찾고, 예를 들면 「화합물」, 「분자」, 「스펙트럼」이라는 관련 용어를 이끌어 내면, 「NMR에서 화합물을 분석한다」나 「NMR에서 스펙트럼을 해석한다」라고 한 문장이 생성된다. 더욱 발전시켜서, 이러한 문장을 바탕으로 특정 용어의 「MNR」과 관련되는 용어를 찾고, 「적외선」 「Ⅹ선」 「질량 분석」 등의 용어를 추출한다. 이 결과, 「적외선으로 스펙트럼을 분석한다」라든지 「질량 분석으로 화합물을 측정한다」라고 하는 새로운 의미 관계가 추출되므로, 한없이 지식을 증가시켜 가는 것이다. 이 예에서는 「측정 수단」과「분석 대상」과「처리 내용」의 다양한 관계를 명확한 형태로 얻을 수 있다. 이와 같이 문장 중에 포함되는 특정 용어와 관련 용어를 차례 차례로 획득해 감으로써, 새로운 지식이 형성되어 축적하는 수법, 즉 재귀적으로 구문과 용어를 확장해 나가, 용어 간의 관련 관계를 얻는 방법이 SS-SANS법이다.
인과관계에도 각종의 것이 있지만, 직접 결과에 결부되는 원인 결과 관계와, 몇개의 요인이 조합되어 결과에 결부되는 요인 결과의 관계 및 필연성이 충분하지 않지만 어떠한 이유로 결과로 연결되는 이유 결과 등의 종류가 있다. SS-SANS법에 의해, 이것들을 구조화하면 연역추론은 단순한 네비게이션 또는 검색으로서 실현할 수 있고, 또한 계층 구조와 병용하여 유추나 유추적 가설 생성도 실현될 수 있다.
SANS법(Semantic Analysis of Sentences)은, 전문성에 기인하지 않는 일반적 문장의 의미 해석 수법이며, 이 수법은 C-TRAN법, SS-KWEIC법, SS-SANS법에 의해 전문 용어가 축적된 후에 이용되면 그 효과를 발휘한다.
또한, INTEGRAL법(Integration of Domain Established Knowledge)은, C-TRAN, SS-KWEIC, SS-SANS, SANS 등의 수법에 의해 의미 추출된 개념 및 관계 전체를 통합하여 구조화하기 위한 수법이다.
이상의 전제 이론을 근거로 하여, 이하, 본 발명의 실시의 형태를 첨부 도면에 의거하여 설명한다. 도 1은 본 발명의 1 실시의 형태를 나타내는 블록도이다.
총괄적 정보 수집부(1)는, 사전, 사전류, 교과서, 논문, 핸드북 등으로부터, 용어를 총괄적으로 수집하는 부분이다. 여기서 수집되는 정보는 특히 대상 분야를 한정하는 것은 아니지만, 대상 영역을 의료 분야나 화학 분야 등으로 한정하여 수집할 수도 있다. 의미 관계 추출부(2)는, 총괄적 정보 수집부(1)에서 수집된 각종의 용어, 기술 용어를 이미 기술한 바와 같은, C-TRAN법, SS-KWEIC법, SS-SANS법, SANS법을 이용하여 의미 관계를 추출한다. 구체적으로는 동치 관계, 계층 관계, 인과관계, 관련 관계 및 그 외의 의미 관계에 있는 용어와 용어 간의 관계를 추출한다.
자기조직화부(3)는, 의미 관계 추출부(2)에서 추출된 의미 관계를 바탕으로, 자기조직적으로 통합하여 구조화하는 부분이며, 통합되어 구조화된 지식이 지식 기반(4)에 축적된다. 지식 기반(4)은, 본 발명의 학습ㆍ사고기계의 두뇌라고도 할 수 있는 부분으로, 학습된 지식, 혹은 사고의 결과 새롭게 생성된 지식이 기억되는 부분이다.
입력부(5)는 새로운 정보를 입력하는 부분이며, 예를 들면 「인도는 인구가 대부분 IT 진흥이 번성하지만, 실리콘밸리에 진출가능성 여하?」라고 하는 문의를 입력하는 부분이다.
조합부(6), 입력부(5)로부터의 문의에 대해서, 지식 기반(4)으로부터 관련되는 정보 지식을 인출하고, 이것을 조합하는 부분이며, 지식 기반(4)에 입력된 문의와 완전하게 일치하는 것이 있으면, 이해했다고 하는 메시지를 중추부로 전하여 그 취지를 도시하지 않은 표시장치 등의 출력장치에 출력한다. 완전하게 일치하고 있지 않는 경우, 즉 부분적으로 일치하고 있는 경우에는, 정보 생성부(7)로 전한다.
정보 생성부(7)는, 유추, 귀납추론, 가설추론, 연상 등이 다양한 수법으로 새로운 정보를 생성하는 부분이다. 예를 들면, 상기한 「인도는 인구가 대부분 IT 진흥이 번성하지만, 실리콘밸리에 진출할 가능성 여하?」라고 하는 문의에 대해서, 지식 기반(4) 중에서 관련 정보로서, 인도는 아니지만, 중국은 인구가 대부분 IT 진흥도 번성한 동시에 실리콘밸리에 진출하고 있다.」라고 하는 지식이 추출되었다고 한다. 이 지식을 참조하면, 인도나 중국도 인구가 대부분, IT진흥이 번상한다고 하는 점에서 공통되고 있다. 그리고, 중국이 실리콘밸리에 진출하고 있다고 하는 사실이 있기 때문에, 상기 문의에 대한 대답은 예스가 된다. 즉, 「인도는 실리콘밸리에 진출할 가능성이 높다.」라고 하는 새로운 지식이 만들어지는 것이다. 이 방법이 유추에 의한 새로운 정보 생성이다. 정보 생성 메카니즘으로서는, 유추, 귀납추론, 가설추론의 삼종이 중심이 되지만, 그러한 조합, 확장, 반복, 수식, 변형 등의 특수 조작을 가하는 것도 가능하다.
이렇게 하여 얻을 수 있는 새로운 지식은, 평가부(8)에 있어서 평가된다. 평가는, 지식 기반(4)이 소유하고 있는 지식과의 정합성(整合性)이나 관련성을 보는 것으로 행해진다. 예를 들면, 상기 새롭게 생성된 「인도는 실리콘밸리에 진출할 가능성이 높다.」라고 하는 지식은 확실도가 높다고 하는 평가를 얻게 된다.
평가부(8)에서 평가된 지식은, 판단부(9)에서 판단되게 되지만, 이 판단부(9)에 있어서의 판단은 평가부(8)에서 명확한 순서가 정해지면, 거기에 따라서 선택하면 되는 것이지만, 2 이상의 다른 결과가 나와 그 우열에 순서를 붙이기 어렵고, 비교하기 어려운 득실이 있을 때는, 평가 기준이나 목적에 의거하여 새로운 평가 기준을 요구하든지, 중요한 문제가 아니면, 임의에 어떤 것인지를 선택하게 된다. 물론 출력으로서 판단 근거와 후보 해답이 열거되기도 한다.
이, 정보 생성부(7), 평가부(8), 판단부(9)의 기능 전체가 사고이다. 판단부(9)에서 판단되어도, 안에는 적당한 후보가 복수 있어 결정하지 못할 경우가 있다. 결정부(10)는 그러한 상태에 있어서도 하나로 결정할 필요가 있을 때는 하나로 좁히는 결정을 실시하는 것이다. 이것이 최종결정이다.
결정부(10)에서 결정된 결과는, 출력부(11)를 거쳐 새로운 지식으로서 지식 기반(4)에 축적된다. 이것이 지식의 증가를 의미한다. 도 2는, 본 발명의 1 실시의 형태를 더욱 상세한 블록도로서 나타낸 것이다. 이러한 블록은 의미 처리 및 거기에 의거한 사고를 실시하는 컴퓨터 안의 각 실행 단계의 기능을 블록으로서 나타내는 것으로, 실제로 블록에 해당하는 회로가 있는 것은 아니다.
본 발명의 1 실시의 형태는, 사전 등의 정보원으로부터 데이터ㆍ정보ㆍ지식 등을 모으는 총괄적 정보 수집부(21)와 총괄적 정보 수집부(21)로부터 얻을 수 있는 용어의 의미 관계를 추출하여 기술하는 의미 관계 추출 기술부(22)와 의미 관계 추출 기술부(22)에 의해서 추출 기술된 의미 관계를 구조화한 지식으로 하는 구조화부(23)와, 구조화한 지식을 통합화하여 기억하는 유닛 통합 기억부(24)와 의미 관계 추출 기술부(22)로 추출 기술된 용어 내지는 개념이 이미 컴퓨터가 보유하는 지식 기반 안의 용어나 개념과 의미적 관련이 있을지를 조사하는 의미적 관련 탐색부(25)와 의미적인 연결이 있을 경우에 그 유닛만 더욱 상세하게 탐색하는 관련 유닛 탐색부(26)과 관련 유닛 탐색부(26)에서 관련된 지식이 발견되었을 때에 그 지식에 의거하여 유추, 귀납추론, 가설추론 등을 실시하는 추론부(27)와 추론부(27)에서 추론한 결과를 새로운 정보로서 생성하는 정보 생성부(28)와 정보 생성부(28)로부터의 정보를 바탕으로 관련된 몇 개의 후보를 추출하는 후보 추출부(29)와 후보 추출부(29)에서 추출된 후보를 하나에 좁히는 후보 결정부(30)와 후보 결정부(30)에서 결정한 개념을 새로운 지식으로서 라벨을 붙여서 증가시키는 지식 증가부(31)와 후보 결정부(30)에서 결정된 개념을 출력 표시 혹은 인자 출력하는 출력부(32)에 의해서 구성된다. 여기서, 유닛이란, 어느 노드 또는 링크의 라벨과 직접 결합하고 있는 노드 또는 링크의 라벨을 포함한 기억 영역을 나타내고 있다.
도 3은, 도 2의 블록도의 설명도이며, 블록도의 기능을 중심으로 설명하기 위한 도면이다. 즉, 인간이 학습하고, 사고하는 과정과 동일하게, 본 발명의 학습ㆍ사고기계가 어떻게 작용할까를 개념적으로 나타내는 것이며, 학습의 부분과 사고의 부분을 나누어 기술하고 있다.
우선, 입력된 정보(지식)의 의미 관계를 기술하는 것이지만, 그때에 노드(개념)와 링크(관계)를 대등하게 기술한다. 그리고 라벨이 부가된 후에 개념 사이의 계층화가 이루어지며, 공통의 관련되는 개념은 공통의 기억 영역에 통합적으로 기억되며, 상위한 개념은 다른 기억 영역에 독립적으로 기억된다.
다음에, 사고의 최초의 단계인 발상 단계로 이행한다. 의미적인 연결을 찾기 위해서 관련 유닛의 탐색을 실시한다. 그리고 관련의 지식에 의거하여, 유추, 귀납추론, 가설추론, 연상 등의 추론에 의해 정보 생성을 행한다. 다음의 평가 단계에서는, 정보생성에 의해서 얻을 수 있는 지식으로부터, 관련 지식을 근거로 하여 후보를 선택, 다음의 판단 단계로 연결한다. 판단의 단계에서 몇 개의 후보로부터 회답이 선택되어 결정된다. 그리고 이 결과가 새로운 지식의 증가가 되어, 지식 기반(통합ㆍ독립 기억부)에 더해진다.
다음에 본 발명의 실시의 형태의 작용을 플로차트(flow chart)에 따라서 설명한다. 본 발명의 구조화 지식에 의거한 학습ㆍ사고기계는, 이른바 인간이 지식을 학습하고, 학습한 지식에 의거하여 새로운 지식을 생성해 나가는 과정을 실행하는 기계이다. 도 4에서 도 9는, 이러한 전 과정을 나타내는 플로차트(flow chart)이다. 도 4는 인간의 학습ㆍ사고 과정 전체를 나타내는 것이며, 데이터, 정보, 지식을 입력할 단계(스텝 Sl), 입력된 지식을 자기조직적으로 구조화할 단계(스텝 S2), 정보 생성 단계(스텝 S3), 평가ㆍ판단의 단계(스텝 S4), 지식 증가시키는 단계(스텝 S5)를 나타내고 있다. 정보 생성 단계(스텝 S3)와 평가ㆍ판단의 단계(스텝 S4)를 합쳐서 사고 단계라고 할 수도 있다.
우선, 지식을 입력할 단계를 도 5에 의거하여 설명한다. 입력된 문장은 최초로 의미적 관계를 기술하는 단계로부터 시작된다(스텝 Sll). 입력되는 지식은 그것이 「is-a」의 관계가 되어 있을지가 최초로 판단된다(스텝 S12). 「is-a」의 관계라면, 계승 관계이다고 하여 기술된다(스텝 S13). 「is-a」의 관계가 아닌 경우는, 「part-Of」인지 아닌지가 다음에 판단된다(스텝 S14). 「part-Of」의 관계란, 예를 들면 「위는 소화기의 하나이다.」라고 한 「포함한다」 「포함된다」의 관계를 말하고, 「part-Of」의 관계이면, 부분-전체의 관계로서 기술된다(스텝 S15).
많은 개념 기술은 이 「is-a」의 관계와 「part-Of」의 관계가 많지만, 「is-a」에서도 「partㆍOf」에서도 아닐 때는, 그 이외의 2항 관계일지 아닐지가 판단된다(스텝 S16). 「is-a」 「part-Of」이외의 2항 관계로서의 개념 간의 관계에는 「비가 내리므로 우산을 쓴다.」라고 하는 인과관계가 포함된다. 그 외의 2항 관계라면 2항 관계로서 기술된다(스텝 S17). 2항 관계의 판단 후에 다항 관계가 판단된다(스텝 S18).
다항 관계의 예로서는, 원인이 2개 이상 있어야 비로소 결과가 나오는 인과관계가 있어, 예를 들면, 「비가 내리고 있어, 우산을 가지고 있으면, 우산을 쓴다.」라는 문장이 생각된다. 이러한 문장(지식)이 입력되면, 다항 관계로 하여 기술된다(스텝 S19).
다음에, 재귀 관계가 판단된다(스텝 SllO). 재귀 관계의 입력 정보로서는, 「나의 부모는 조상이다. 조상의 조상은 조상이다.」라고 하는 재귀적 표현을 가지는 문장이 있다. 이러한 지식은 재귀 관계로서 기술된다(스텝 Slll).
다음에 숨은 관계인지 어떤지가 판단된다(스텝 Sl12). 숨은 관계는 내부 구조의 관계이다. 예를 들면, 「자동차는 엔진, 차체, 도어,ㆍㆍㆍ로 구성되며, 엔진은 피스톤, 실린더ㆍㆍㆍ로 구성된다.」와 같은 문장이다. 이 내부 구조를 나타내는 문장은 숨은 관계가 되어 있어, 숨은 관계로서 기술된다(스텝 Sl13). 또한 이상의 설명은, 6개의 관계로 좁혀서 설명했지만, 본 발명은, 이러한 관계의 기술로 한정되는 것이 아니고, 「--은 동물일지도 모른다.」라는 양상 관계를 기술하는 것도 당연하게 고려되는 것이다.
이상 설명한 각각의 관계 기술은, 모두 노드와 링크의 균질화 기술로 여겨진다(스텝 Sl14). 라벨이 부가된 이러한 정보 지식은 이미 지식 기반으로 있는 지식과 관련 관계에 있을지가 다음에 판단된다(스텝 Sl15). 관련 관계에 있으면, 이미 지식 기반으로 있는 지식과 통합적으로 기억되며(스텝 Sl17), 관련의 지식이 없어서, 완전히 새로운 독립 개념의 지식인 경우(스텝 Sl16)에는, 독립하여 기억된다(스텝 Sl18).
도 6은 지식 조직화(구조화) 단계의 플로차트(flow chart)를 나타내는 것이다. 입력된 용어 혹은 개념이 이미 지식 기반에 있는 것과 중복되어 있는지 어떤지가 판단된다(스텝 S21). 노드(개념)로서 중복되고 있다면, 그것이 다의어일지가 판단되며(스텝 S22), 다의어라면 식별 부호를 붙여 별도 노드로서 추가 기억된다(스텝 S23). 노드가 중복되어 있지 않은지, 혹은 중복되어 있어도 다의어가 아닌 경우에는, 다음에 관련하는 노드가 있을지가 판단된다(스텝 S24). 관련하는 노드가 있으면, 상위 계층의 용어나 하위 계층의 용어인지가 판단된다(스텝 S25). 상위 계층이라고 판단되었을 경우에는 이미 있는 관련되는 노드의 상위 근접 노드에 추가한다(스텝 S26). 여기서 새로운 계층 관계가 형성된다. 다음에, 하위 계층이라고 판단되면, 관련 용어의 하위의 계층이 되므로 하위 근접 노드에 추가한다(스텝 S27). 덧붙여 여기에서는 상위와 하위의 계층 관계에 대해 설명했지만, 이 방법은, 예를 들면 전후관계나 주종 관계와 같은 순서 관계 등, 상위ㆍ하위의 계층 관계 이외에도, 적용할 수 있는 것이다.
노드 관련이 없다고 판단되었을 경우는, 이어서 링크의 중복이 있는지 아닌지가 판단되며(스텝 S28), 링크의 중복이 있는 경우에는, 종료한다. 링크의 중복이 없다고 판단되었을 경우는, 다음에 관련하는 링크가 있는지 아닌지가 판단되며(스텝 S29), 관련하는 링크가 있으면, 그 링크가 상위 계층 링크나 하위 계층 링크인지가 판단된다(스텝 S210). 관련 링크와 비교한 결과, 상위 계층 링크라고 판단되면, 상위의 근접 링크에 계층적으로 추가되며(스텝 S211), 하위 계층이라고 판단되면 하위의 근접 링크에 계층적으로 추가된다(스텝 S212). 도 6에서는 노드(개념)와 링크(관계)를 나누어 판단하는 플로차트(flow chart)로 하고 있지만, 이것에 한정하지 않고, 멀티태스크 처리나 시분할 다중처리 등의 병렬처리를 해도 좋다.
도 7은 도 1에 나타내는 조합부(6)와 정보 생성부(7)를 중심으로 한 정보 생성 단계의 작용을 나타내는 플로차트(flow chart)이다. 도 1에 나타내는 바와 같이, 문의 입력 또는 어떠한 요구 입력을 지식기반의 지식과 조합하고, 조합한 결과가 부분적으로 일치하고 있는 경우에, 새로운 지식을 생성하기 위한 사고 단계에 들어간다. 즉, 도 7에 나타내는 바와 같이, 문의 또는 요구에 대응하여 지식 기반 중에서 의미적 연결이 있는 노드와 링크를 탐색한다(스텝 S31). 최초로 노드를 탐색하고(스텝 S32), 관련의 노드가 발견되었을 경우(스텝 S32)는, 관련 노드가 기억된 유닛만 검색한다(스텝 S33). 또한, 이 관련 노드의 탐색 시에는, 링크에 대한 방향성을 고려하는 것이 중요하다. 즉, 「고양이는 생선을 먹는다.」라고 하는 예의 경우, 「고양이」와「물고기」의 「먹는다」에 대한 방향성이다. 「고양이」는 「물고기」를 먹지만 「물고기」는 「고양이」를 먹지 않기 때문이다.
노드 탐색을 한 다음에, 링크의 탐색을 행하는 것이지만(스텝 S34), 이 경우도 관련 링크가 기억된 유닛만 검색한다(스텝 S3 5). 그리고 관련의 링크 정보에 의거하여, 추론 단계에 들어가고(스텝 S36), 유추(스텝 S37), 귀납추론(스텝 S38), 가설추론(스텝 S39) 등을 실행한다. 도 7에는 상기 3개의 전형적인 추론을 나타내지만, 실제로는 연상 등 이것 외의 추론도 포함되는 것은 말할 필요도 없다. 이상의 결과, 어떠한 새로운 노드나 링크가 형성되면 정보 생성이 이루어진 것이 된다(스텝 S310). 또, 노드 탐색과 링크 탐색의 결과, 관련 노드도 관련 링크도 발견되지 않는 경우에는, 이전 문의에 대해서는 판단 불능이 되어, 더 이상의 판단은 하지 않고 종료시킨다.
다음에, 도 8에 따라서 평가ㆍ판단 단계의 플로우를 설명한다. 우선 생성된 정보 결과에 라벨을 붙이고, 이 라벨을 붙인 정보결과를 지식 기반(4)에 축적되어 있는 지식과 개념, 관련 관계의 항목마다 참조해 나간다(스텝 S41). 그리고, 다음에, 참조한 결과가 문의의 요구를 충족하고 있는지를 판단한다(스텝 S42). 요구가 충족되고 있으면, 생성된 지식이 후보로 여겨진다(스텝 S43). 요구가 충족되어 있지 않은 경우는 다른 결과를 찾아내고(스텝 S44), 지식 기반(4)의 참조를 반복한다.
다음에, 최초로 후보가 된 지식에 대하여, 지식 기반(4)에 축적되어 있는 지식을 참조하여 요구 기준에 맞은 순위 매김을 실시한다(스텝 S45). 그리고, 목적 필요 조건의 충족도가 최고인지 어떤지를 판단한다(스텝 S46). 그리고 최종결정을 실시하고(스텝 S47), 판단 결과를 표시장치나 인자(印字) 장치 등의 도시하지 않은 외부 출력장치를 개입시켜 출력하는 동시에, 새로운 지식으로서 지식 기반(4)에 축적해 나간다.
이어서 도 9에 의거하여, 지식 증가 단계의 플로우를 설명한다. 우선, 새로운 정보 생성이 이루어진 경우이지만, 노드를 증가시킬지를 판단하고(스텝 S51), 노드의 증가가 필요하라고 판단했을 때는, 새롭게 생성된 노드를 관련의 노드가 있는 부분에 통합하여 기억하도록 한다(스텝 S52). 노드로서의 증가가 필요 없다고 판단했을 때는, 다음에 링크로서의 증가가 필요한지 아닌지를 판단하고(스텝 S53), 링크의 증가가 필요하면, 새롭게 생성된 링크를 관련의 링크가 있는 부분에 통합하여 기억하도록 한다(스텝 S54). 즉, 노드 또는 링크로서 유닛 통합 기억이 실시된다. 이것에 의해, 새로운 지식으로서 지식기반(4)에 지식을 증가시켜 갈 수 있다.
이상 설명한 바와 같이, 본 발명에 의하면, 정보가 가지는 다양한 의미를 구조화하는 것에 의해서, 계산기가, 정보의 의미 구조를 통해 기술, 표현되고 있는 의미 내용을 이해할 수 있게 된다. 더욱 고도의 기능으로서 이것들을 복합하여 대상의 해석, 발상, 평가, 문제해결, 의지결정 등을 실현할 수 있게 되며, 인간의 두뇌를 속도, 정밀도, 용량적으로 초과하는 학습ㆍ사고기계 및 학습ㆍ사고 방법이 실현될 수 있다.
이하, 구체적인 하드웨어 구성을 실현할 때의 NP완전의 문제를 해결하기 위해서, 계산량을 경감하도록 한 본 발명의 초뇌형(超腦型) 컴퓨터 시스템에 대해 설명한다.
우선, 본 발명의 초뇌형 컴퓨터 시스템의 개략의 구성 및 동작을 설명한다.
도 17은, 초뇌형 컴퓨터 시스템 전체의 구성을 나타내는 블록도이다.
도 17에 있어서, 이 컴퓨터 시스템은, 중앙 관리 컴퓨터(61)와 셀컴퓨터 1(62-1), 셀컴퓨터 2(62-2),ㆍㆍㆍ셀컴퓨터 N(62-N)로 구성된다. 중앙 관리 컴퓨터(61)와, 셀컴퓨터 1(62-1), 셀컴퓨터 2(62-2),ㆍㆍㆍ셀컴퓨터 N(62-N)는 통신 가능하게 결합되어 있다.
중앙 관리 컴퓨터(61)는, 셀컴퓨터 1(62-1), 셀컴퓨터 2(62-2),ㆍㆍㆍ셀컴퓨터 N(62-N)의 주소만을 기억하고 있고, 셀컴퓨터 1(62-1), 셀컴퓨터 2(62-2),ㆍㆍㆍ셀컴퓨터 N(62-N)에 대한 질문의 입력과 입력된 질문에 대한 각 셀컴퓨터로부터의 회답을 출력 가능하게 되어 있다.
셀컴퓨터 1(62-1), 셀컴퓨터 2(62-2),ㆍㆍㆍ셀컴퓨터 N(62-N)에는, 각각 지식(개념, 용어)이 1개씩 기억되고 있는 동시에, 각 지식의 의미 관계의 연결 정보가 기억되어 있다. 셀컴퓨터 1(62-1), 셀컴퓨터 2(62-2),ㆍㆍㆍ셀컴퓨터 N(62-N)는, 예를 들면 목적 대상에 따라 10만(106)을 중심으로서 100~1억(102~108)개 설치되며, 인간의 뇌에 기억되어 있는 지식량과 동등 이상의 지식량에 필적하는 수의 셀컴퓨터가 설치된다.
중앙 관리 컴퓨터(61)에 질문이 입력되면, 중앙 관리 컴퓨터(61)로부터 모든 셀컴퓨터 1(62-1), 셀컴퓨터 2(62-2),ㆍㆍㆍ셀컴퓨터 N(62-N)에 대해서 질문이 송신된다. 우선, 전제 동작으로서 입력된 질문에 대해서 자기가 보존하는 지식(개념, 용어)과 의미 관계의 연결이 있는 셀컴퓨터가, 셀컴퓨터 1(62-1), 셀컴퓨터 2(62-2),ㆍㆍㆍ셀컴퓨터 N(62-N) 중에서 선택되며, 동적으로 결합된다.
예를 들면, 질문이 Ql 「노드 A로부터 출발하여 스텝 N(3 이내)에서 돌아오는 패스가 있을까?」 때, 노드 A에 해당하는 셀컴퓨터로부터 3각형의 루프형에 결합된 셀컴퓨터만이 처리 대상 상태가 된다. 그 이외의 4개 이상의 루프형에 결합되는 셀컴퓨터는, 모두 부적합 상태가 된다. 이때, 부적합 상태의 셀컴퓨터가 자신은 이 질문에는 무관하다라고 하는 것을 나타내는 상태 정보를 회신한다. 처리 대상 상태가 된 셀컴퓨터만이 질문에 대한 회답을 회신한다.
질문이 Q2 「어디의 노드에서라도 루프형의 패스가 있을까?」이면, 루프형에 결합된 셀컴퓨터만이 처리 대상 상태가 된다. 그리고, 그 이외의 트리형에 결합되는 셀컴퓨터는 모두 부적합 상태가 된다. 이때, 부적합 상태의 셀컴퓨터는, 자신이 질문과 관계없는 것을 나타내는 상태 정보를 회신한다. 그리고, 처리 대상 상태의 셀컴퓨터만이 질문에 대한 회답을 회신한다. 전부 트리형으로 루프형의 셀컴퓨터가 없는 경우는, 질문에 대한 회답을 형성할 필요가 없이, 중앙 관리 컴퓨터(61)는, 그러한 루프는 없다는 회답을 질문자에게 회신한다.
질문이 Q3 「트리형의 패스가 있을까?」일 때, 트리형의 패스를 가지지 않는 루프형에 결합된 셀컴퓨터는, 트리를 가지지 않는 취지의 상태 정보를 중앙 관리 컴퓨터(61)에 송신하고, 트리형에 결합된 셀컴퓨터만이 자신이 질문에 관계하고 있는 취지의 회답을 중앙 관리 컴퓨터(61)에 회신한다.
질문이 Q4 「루프, 트리형의 중간 개념일까. 즉, 상위 또는 하위의 개념에 연결되는 패스가 있을까?」인 경우는, 루프, 트리형의 가장자리(상위, 하위)의 셀컴퓨터로부터 순서대로 부적합 상태가 된다. 이때, 부적합 상태의 셀컴퓨터가, 질문에 대해서 자신은 무관계한 취지의 상태 정보를 중앙 관리 컴퓨터(61)에 회신한다. 그리고, 중간 개념을 기억하고 있는 나머지 적합 상태의 셀컴퓨터만이 회답을 중앙 관리 컴퓨터(61)에 회신한다.
여기서, 처리 대상 상태의 셀이란, 전체 셀로부터 부적합 상태의 셀을 제외한 것 중에, 적합 상태가 되는 셀의 가능성을 포함하는 것이다.
이와 같이, 질문에 대해서, 직접 또는 간접적으로 연결을 가지지 않는 셀컴퓨터를 부적합 상태로서, 질문과 관계하는 연결을 가지는 셀컴퓨터만을 처리 대상 상태로 함으로써, 의미의 연결이 있는 셀컴퓨터만이 마치 인간의 뇌세포의 기능과 동일한 사고 동작을 할 수 있다. 이것에 의해 NP 완전의 문제가 해결된다.
다음에, 이러한 동작을 하기 위한 초뇌형 컴퓨터 시스템의 중앙 관리 컴퓨터(61) 및 셀컴퓨터 62-1~N의 구성 및 동작을 상세하게 설명한다. 이하, 편의상, 중앙 관리 컴퓨터(61)를 허브로 약칭하고, 셀컴퓨터 62-1~N을 셀로 약칭한다.
도 18은, 중앙관리컴퓨터(61)의 구성을 기능적으로 나타낸 블록도이다.
도 18에 있어서, 질문 입력부(71)에 질문이 입력되면, 요구 조건 해석부(72)는 입력된 질문의 조건을 해석한다. 여기서, 입력되는 질문은 구조화된 지식에 대응하고 있고, 구체적으로는, 지식과 그 연결 끝의 지식을 나타내도록 구조화된 것이다.
해석된 요구 조건에 의거하여, 요구 조건 처리 대상 셀 검출부(73)는, 전체 셀(74)에 대해서 요구 조건의 송신을 행하는 동시에, 이 요건 조건에 대해서 회신되는 부적합 셀(75)로부터의 부적합 상태인 취지의 정보를 수신한다. 이것에 의해, 요구 조건 처리 대상 셀 검출부(73)는, 전체 셀(74)로부터 부적합 셀(75)을 제외한 요구 조건에 적합한 셀의 검출을 행한다.
검색 송수신부(76)는, 검출된 적합 셀(77)에 대해서만, 그 이후의 검색 동작을 속행하고, 처리 대상 셀(77)로부터 검색 회답을 수신한다. 그리고, 검색 결과 해석부(78)은, 수신된 검색 회답에 의거하여 검색 결과의 해석을 행한다.
의미이해ㆍ정보 생성부(79)는, 해석된 검색결과로부터 의미 이해 및 정보생성을 행하고, 새로운 정보를 생성한다. 출력 정보 변환부(80)는, 생성된 새로운 정보가 요구되는 출력 형식으로 변환한다.
셀 연결 끝 주소 기억부(82)는, 생성된 새로운 정보에 의거하여, 의미의 연결이 있는 연결 끝의 셀의 주소를 기억한다. 이 정보는, 순차 갱신된다. 검색 송수신부(76)는, 연결 끝의 셀의 주소에 의거하여 검색 대상을 한층 더 좁혀서 재검색을 행할 수 있다.
회답 출력부(81)는, 생성된 새로운 정보가 요구되는 출력형식에서 출력한다. 여기서, 셀 연결 끝 주소 기억부(82)에 기억되는 생성된 새로운 정보 및 회답 출력부(81)로부터 출력되는 생성된 새로운 정보는, 모두 구조화된 지식이다.
여기서, 상술한 허브의 질문 입력부 (71) 및 회답 출력부(81)는, 키나 터치 패널 및 액정 패널 등의 휴대 단말용의 유저 인터페이스에 의해 구성된다.
또, 요구 조건 해석부(72), 요구 조건 처리 대상 셀 검출부(73), 검색 결과 해석부(78), 의미 이해ㆍ정보 생성부(79) 및 출력 정보 변환부(80)는, 휴대 단말용의 CPU, ROM 및 RAM 등으로 구성되는 제어 프로세서에 의해 구성된다. 제어 프로세서에 적용되는 오퍼레이션 시스템(OS)은, 윈도우즈, 리눅스 등의 통상 PC의 OS 외에, 휴대 단말용의 OS인 트론 등을 이용할 수 있다. 셀 연결 끝 주소 기억부(82)로서는, ROM등으로 구성되는 불휘발성의 메모리가 이용된다.
또, 요구 조건 처리 대상 셀 검출부(73) 및 검색 송수신부(76)는, 휴대 단말용의 통신부에 의해 구성된다.
허브는, 단체로 구성해도 되지만, 또한, 휴대 게임기, 휴대 전화기에 상술한 기능을 겸용시키도록 해도 된다.
도 19는, 셀컴퓨터의 구성을 기능적으로 나타낸 블록도이다.
도 19에 있어서, 요구 조건 처리 대상 판단부(92)는, 허브(91)로부터 전체 셀로 일제히 송신되는 요구 조건에 대해서, 자기 셀이 처리 대상이 되는지 아닌지를 판단한다. 이 요구 조건 처리 대상 판단에 있어서는, 연결 끝의 셀이 있는지 아닌지의 판단 정보를 이용해 실시한다.
부적합 회신ㆍ연결 끝 셀 연락부(93)는, 요구 조건에 대해서 자기 셀이 부적합인 경우에는 부적합 상태를 알리는 신호를 허브(94)에 회신하고, 요구 조건에 대해서 자기 셀이 처리 대상인 경우에는 처리 대상 상태인 취지의 정보를 연결 끝의 셀(95)에 연락한다.
검색수신부(97)는, 요구조건에 대하여 자(自)셀이 처리대상상태인 경우에 허브(96)로부터의 검색정보를 수신한다. 연결끝 판단부(98)는, 요구조건에 따라 자셀이 정보의 연결이 있는 연결끝의 다른 셀을 검색하고, 요구조건마다 검색정보에 근거한 검색을 행할 수 있는지 아닌지를 판단한다. 이 검색의 판단에 있어서는, 연결끝 셀의 정보를 이용하여 행한다.
검색회답부(101)는, 간 검색의 회답을 허브(102)에 답신한다. 지식기억부(99)는, 검색정보 및 검색의 회답에 근거하여 얻어지는 지식을 기억한다. 연결끝 셀 기억부(100)는, 얻어진 지식에 대응하는 연결끝의 셀을 기억한다.
여기서, 상술한 셀의 요구조건 처리대상 판단부(92), 부적합 답신·연결끝 셀 연락부(93), 검색수신부(97) 및 검색회답부(101)는, 휴대 단말용의 통신부에 의해 구성된다.
또, 요구조건 처리대상 판단부(92), 부적합 답신·연결끝 셀 연락부(93), 연결끝 판단부(98)는, 휴대 단말용의 CPU, ROM 및 RAM등으로 이루어지는 제어 프로세서에 의해 구성된다.
또, 지식기억부(99) 및 연결끝 기억부(100)로서는, ROM등으로 이루어지는 불휘발성 메모리가 이용된다.
셀은, 단체로 구성해도 좋고, 또, 휴대게임기, 휴대전화기에 상술한 기능을 겸용시키도록 해도 좋다.
이상 설명한 바와 같은 통신부, 제어부, 기억부로 구성되는 본 발명의 초뇌형 컴퓨터 시스템으로서는, 허브 및 셀을 각각 단체(單體)로 구성했을 경우, 전체(全體)로 수 10 센티미터 사방의 정육면체나 반경 수 10 센티미터의 구(球)체에 의해 실현될 수 있다.
또, 허브 및 셀을 휴대게임기나 휴대전화기로 구성했을 경우는, 통신이 가능한 범위에 존재하는 휴대게임기나 휴대전화기 전체에 의해 실현될 수 있다.
이와 같이 구성된 중앙관리컴퓨터(61) 및 셀 컴퓨터(62-1~N)는, 이하와 같은 동작을 한다. 이하의 설명은, 본 발명의 초뇌형 컴퓨터 시스템의 동작의 순서에 따라서 허브에서 셀로, 그리고 셀에서 허브로 이행하면서 행한다.
도 20은, 요구조건 적합 셀 검출의 동작을 나타내는 플로차트이다. 도 20은, 도 18에 나타낸 중앙관리컴퓨터(61)(허브)의 요구조건 처리대상 셀 검출부(73)의 동작을 나타내는 것이다.
도 20에 있어서, 요구조건 처리대상 셀 검출을 시작하면(스텝 S61), 모든 셀에 요구조건에 의한 동시 검색통보를 행한다(스텝 S62). 구체적으로는, 허브의 요구조건 처리대상 셀 검출부(73)는, 모든 셀에 요구조건으로서 예를 들면, 스텝수(N)의 패스, 루프모양의 패스, 트리모양의 패스등의 조건을 동시에 송신한다.
다음에, 각 셀로부터 답신되는 부적합 상태를 수신한다(스텝 S63). 구체적으로는, 허브의 요구조건 처리대상 셀 검출부(73)는, 요구조건에 대하여 부적합하게 되는 셀로부터 답신되는 부적합 상태를 수신한다.
계속하여, 모든 셀로부터 부적합 상태의 셀을 들여다 본 셀을 처리대상 셀로서 검출한다(스텝 S64). 구체적으로는, 요구조건 처리대상 셀 검출부(73)는 모든 셀(74)로부터 부적합 셀(75)을 제외한 요구조건에 대하여 처리대상으로 되는 셀의 검출을 행한다.
요구조건에 대하여 처리대상으로 되는 셀이 검출되면, 요구조건 처리대상 셀 검출부(73)는, 검출된 요구조건 처리대상 셀을 검색송수신부(76)에 알린다(스텝 S64). 이것에 의해, 검색대상을 처리대상 셀에만 죄이고 검색동작을 속행할 수 있다.
도 21은, 요구조건 적합성 판단시작의 동작을 나타내는 플로차트이다. 도 21은, 도 19에 나타낸 셀 컴퓨터의 요구조건 처리대상 판단부(92)의 동작을 나타내는 것이다.
우선, 요구조건 처리대상 판단을 시작하면(스텝 S71), 허브로부터의 요구조건에 의한 동시 통보를 수신한다(스텝 S72).구체적으로는, 셀의 요구조건 처리대상 판단부(92)가, 도 20의 스텝(S62)에서 나타낸 모든 셀에 대한 요구조건에 의한 동시 검색통보를 수신한다.
다음에, 요구조건이 일치하는지 아닌지를 판단한다(스텝 S73). 구체적으로는, 셀의 요구조건 처리대상 판단부(92)는, 요구조건에 자셀이 처리대상이 되는지 아닌지를 판단한다.
스텝(S73)에서 요구조건이 일치할 때는, 처리대상상태로 이행한다(스텝 S75). 구체적으로는, 셀의 요구조건 처리대상 판단부(92)는, 요구조건에 대하여 자셀이 처리대상이 될 때는 처리대상상태로 이행한다.
스텝(S73)에서 요구조건이 일치하지 않을 때는, 연결끝의 셀과의 관계로 자셀이 요구조건과 일치하는지 아닌지를 판단한다(스텝 S74). 구체적으로는, 셀의 요구조건 처리대상 판단부(92)에 있어서, 요구조건에 연결끝의 셀과의 관계에서 자셀이 처리대상으로 되는지 아닌지가 판단된다.
스텝(S74)에서, 연결끝의 셀과의 관계에서 자셀이 요구조건과 일치할 때는, 스텝(S75)으로 진행되어 처리대상상태로 이행하여 처리대상으로서 유지한다. 구체적으로는, 셀의 요구조건 처리대상 판단부(92)는, 요구조건에 대하여 연결끝의 관계에서 자셀이 처리대상으로 될 때는 처리대상상태로 이행한다.
스텝(S74)에서 연결끝의 셀과의 관계에서 자셀은 요구조건이 일치하지 않을 때는, 부적합 상태로 이행한다(스텝 S76). 구체적으로는, 셀의 요구조건 처리대상 판단부(92)는, 요구조건에 대하여 연결끝의 셀과의 관계에서 자셀이 적합하지 않을 때는 부적합 상태로 이행한다.
도 22는, 연결끝의 셀 상태 연락시작의 동작을 나타내는 플로차트이다. 즉, 도 22는, 도 19에 나타낸 셀 컴퓨터의 부적합 답신·연결끝 셀 연락부(93)의 동작을 나타내는 것이다.
우선, 연결끝의 셀 상태 연락을 시작하면(스텝 S81), 요구 처리대상인지 아닌지를 판단한다(스텝 S82). 구체적으로는, 부적합 답신·연결끝 셀 연락부(93)는, 요구조건 처리대상 판단부(92)로부터 요구조건에 대하여 자셀이 처리대상인 것을 나타내는 상태신호가 공급되는지 아닌지를 판단한다.
스텝(S82)에서 자셀이 요구 처리대상이다고 판단되었을 경우는, 연결끝의 셀에 처리대상상태를 연락한다(스텝 S83). 구체적으로는, 부적합 답신·연결끝 셀 연락부(93)가, 요구조건에 따른 연결끝의 셀에 자셀이 처리대상상태인 것을 나타내는 정보를 송신하고, 이것을 순차 반복하여 교대로 연락한다.
또, 부적합 답신·연결끝 셀 연락부(93)는, 요구조건에 대해서 자셀이 부적합한 경우에는 부적합 상태를 허브(94)에 답신한다.
도 23은, 요구조건의 구조에 의한 연결판단중 스텝수(N)의 패스를 찾는 동작을 나타내는 플로차트, 즉, 상술한 질문이 Ql 「노드 A로부터 출발하여 스텝(N)(3개 이내)으로 돌아오는 패스가 있는가?」에 대하여 회답을 주는 플로차트이다. 도 23은, 도 19에 나타낸 셀 컴퓨터의 요구조건 처리대상 판단부(92) 및 연결끝 판단부(98)의 동작을 나타내는 것이다.
우선, 요구조건의 구조에 의한 연결판단중 스텝수(N)의 패스를 찾는 동작을 시작하면(스텝 S91), 연결끝 판단부(98)이 노드수(N)인지 아닌지를 판단한다(스텝 S92). 즉, 연결끝 판단부(98)는, 자셀(노드)을 포함하고 노드수(N)로 연결끝의 셀(노드)이 있는지 아닌지를 판단한다.
판단스텝(S92)에서 노드수(N)라고 판단되었을 경우는, 계속하여 노드수(N) 를 가지는 셀을 처리대상상태로 이행하고 처리대상으로서 유지한다(스텝 S93). 구체적으로는, 요구조건 처리대상 판단부(92)는, 연결끝 판단부(98)에서의, 노드수(N)로 연결끝의 셀(노드)이 있다고 하는 정보에 근거하여, 자셀(노드)을 포함한 노드수(N)를 처리대상상태이다고 판단하고, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 이들을 처리대상상태로 이행하도록 연락한다.
판단스텝(S92)에서 노드수가 N이 아니다고 판단되었을 경우는, 이 노드수(N) 이외의 다른 노드수를 가지는 셀을 부적합 상태로 이행한다(스텝 S94). 구체적으로는, 요구조건 처리대상 판단부(92)는, 연결끝 판단부(98)로부터의 노드수(N)로 연결끝의 셀(노드)이 없다고 하는 정보에 근거하여 자셀(노드)을 포함한 다른 노드수를 부적합 상태이다고 판단하고, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 이들을 부적합 상태로 이행하도록 연락하는 동시에, 허브에 부적합 상태를 연락한다.
도 24는, 요구조건의 구조에 의한 연결판단 중 트리모양의 패스를 찾는 동작을 나타내는 플로차트, 즉, 상술한 질문(Q3) 「트리모양의 패스가 있는가?」에 대한 회답을 형성하기 위한 플로차트이다. 도 24는, 도 19에 나타낸 셀 컴퓨터의 요구조건 처리대상 판단부(92) 및 연결끝 판단부(98)의 동작을 나타내는 것이다.
우선, 요구조건의 구조에 의한 연결판단 중 트리모양의 패스를 찾는 동작을 시작하고(스텝 SlOl), 트리의 탐색이 행해진다(스텝 SlO2). 구체적으로는, 연결끝 판단부(98)는, 자셀(노드)을 포함하고 트리모양으로 되는 연결끝의 셀(노드)을 탐색한다.
다음에, 자셀이 트리의 가장자리인지 아닌지를 판단한다(스텝 SlO3). 구체적으로는, 연결끝 판단부(98)는, 자셀(노드)을 포함하고 트리모양으로 되는 연결끝의 셀(노드)이 가장자리인지 아닌지를 판단한다. 이 때, 연결끝 판단부(98)는, 가장자리의 연결끝의 셀(노드)도 순차 가장자리라고 판단하고, 트리모양으로 되는 연결끝의 셀(노드)의 모두를 가장자리라고 판단한다.
판단스텝(SlO3)에서, 자셀이 가장자리라고 판단되었을 때는, 가장자리를 처리대상상태로 이행하고 처리대상으로서 유지한다(스텝 SlO4). 구체적으로는, 요구조건 처리대상 판단부(92)는, 연결끝 판단부(98)에서의 트리모양으로 되는 연결끝의 셀(노드)의 모두가 가장자리라는 정보에 근거하여 가장자리를 처리대상상태이다고 판단하고, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 이들을 처리대상상태로 이행하도록 연락한다.
계속하여, 트리내를 처리대상상태로 이행하고 처리대상으로서 유지한다(스텝 SlO5). 구체적으로는, 요구조건 처리대상 판단부(92)는, 연결끝 판단부(98)로부터의 트리모양으로 되는 연결끝의 셀(노드)의 모두를 처리대상상태이다고 판단하고, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 이들을 처리대상상태로 이행하도록 연락한다.
다음에, 남은 루프내를 부적합 상태로 이행한다(스텝 SlO6). 구체적으로는, 요구조건 처리대상 판단부(92)는, 연결끝 판단부(98)로부터의 처리대상상태의 트리모양으로 되는 연결끝의 셀(노드)을 제외하고 남은 루프모양으로 되는 연결끝의 셀(노드)의 모두를 부적합 상태이다고 판단하고, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 이들을 부적합 상태로 이행하도록 연락하는 동시에, 허브에 부적합 상태를 연락한다.
도 25는, 요구조건의 구조에 의한 연결판단중 루프모양의 패스를 찾는 동작을 나타내는 플로차트, 즉, 질문(Q2) 「어느 노드에서도 루프모양의 패스가 있는가?」에 대한 회답을 생성하기 위한 플로차트이다. 도 25는, 도 19에 나타낸 셀 컴퓨터의 요구조건 처리대상 판단부(92) 및 연결끝 판단부(98)의 동작을 나타내는 것이다.
우선, 요구조건의 구조에 의한 연결판단 중 루프모양의 패스를 찾는 동작을 시작하고(스텝 S121), 연결끝 판단부(98)에 있어서 루프의 탐색을 한다(스텝 S12 2). 구체적으로는, 연결끝 판단부(98)는, 자셀(노드)을 포함하고 루프모양으로 되는 연결끝의 셀(노드)을 탐색한다.
다음에, 가장자리인지 아닌지를 판단한다(스텝 S123). 구체적으로는, 연결끝 판단부(98)는, 자셀(노드)을 포함하고 트리모양으로 되는 연결끝의 셀(노드)이 가장자리인지 아닌지를 판단한다. 이 때, 연결끝 판단부(98)는, 가장자리의 연결끝의 셀(노드)도 순차 가장자리이다고 판단하고, 트리모양으로 되는 연결끝의 셀(노드)의 모두를 가장자리이다고 판단한다.
판단스텝(S123)에서 자셀이 가장자리이다고 판단되었을 경우는, 자셀을 부적합상태로 이행한다(스텝 S124). 구체적으로는, 요구조건 처리대상 판단부(92)는, 연결끝 판단부(98)에서의 트리모양으로 되는 연결끝의 셀(노드)의 모두가 가장자리이다고 하는 정보에 근거하여 가장자리의 셀을 부적합상태이다고 판단하고, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 이들을 부적합상태로 이행하도록 연락한다.
다음에, 요구조건 처리대상 판단부(92)에 있어서 트리내를 부적합상태로 이행한다(스텝 S125). 구체적으로는, 요구조건 처리대상 판단부(92)는, 연결끝 판단부(98)에서의 트리모양으로 되는 연결끝의 셀(노드)의 모두를 부적합상태이다고 판단하고, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 이들을 부적합상태로 이행하도록 연락하는 동시에, 허브에 부적합상태를 연락한다.
계속하여, 연결끝 판단부(98)에 있어서, 노드수(N)인지 아닌지가 판단된다(스텝 S126). 구체적으로는, 연결끝 판단부(98)는, 자셀(노드)을 포함하고 노드수(N)로 연결끝의 셀(노드)이 있는지 아닌지를 판단한다.
여기서, 노드수(N)의 판단을 하는 것은, 지식의 연결끝은, 대부분이 루프모양으로 연결되어 있기 때문에 루프만을 모두 처리대상상태로 하면, NP 완전의 문제로 자주 가버리고, 후의 검색을 할 수 없게 되어 버리기 때문이다. 따라서, 루프의 탐색할 때에는, 노드수(N)의 판단을 맞추어 가고, 예를 들면, 3인환(因環)이 대상일 때는, 4인환 이상의 루프는 부적합하게 되며, 검색대상을 줄일 수 있다.
판단스텝(S126)에서 노드수(N)이다고 판단되었을 경우는, 남은 루프내를 부적합상태로 이행한다(스텝 S127). 구체적으로는, 요구조건 처리대상 판단부(92)는, 연결끝 판단부(98)로부터의 부적합상태의 트리모양으로 되는 연결끝의 셀(노드)을 제외하고, 또한 노드수(N)의 판단을 맞추어 가고, 남은 노드수(N)의 루프모양으로 되는 연결끝의 셀(노드)을 처리대상상태이다고 판단한다. 그리고, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 이들을 적합상태로 이행하도록 연락한다.
판단스텝(S126)에서 노드수(N)가 아니다고 판단되었을 경우는, 요구조건 처리대상 판단부(92)는 노드수(N) 이외의 셀을 부적합상태로 이행한다(스텝 S128). 구체적으로는, 요구조건 처리대상 판단부(92)는, 연결끝 판단부(98)로부터의 노드수(N)로 연결끝의 셀(노드)이 없다고 하는 정보에 근거하여 자셀(노드)을 포함한 노드수(N) 이외의 다른 노드수를 부적합상태이다고 판단한다. 그리고, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 이들 셀을 부적합 상태로 이행하도록 연락하는 동시에, 하프에 이들 셀이 부적합 상태인 취지를 연락한다.
또한, 상술한 도 23~도 25는, 요구조건의 구조에 의한 연결판단중 예를 나타내는 것이며, 요구조건에 따라 이들을 적당 조합하여 이용하도록 한다.
또, 상위와 하위와의 중간 개념을 찾을 때는, 상술한 바와 같이 가장자리의 판단에 의해 순차 연결끝의 셀(노드)을 부적합하게 이행하면서 행할 수 있지만, 이 때, 상위 개념이 부적합하면 하위 개념은 당연하게 부적합하다고 하는 판단을 이용하여 탐색을 행할 수 있다.
도 26은, 연결끝 셀 기억시작의 동작을 나타내는 플로차트이다. 도 26은, 도 19에 나타낸 셀 컴퓨터의 연결끝 판단부(98) 및 연결끝 셀 기억부(100)의 동작을 나타내는 것이다.
우선, 연결끝 셀 기억시작의 동작을 시작하게 하면(스텝 S131), 연결끝 판단부(98)에 있어서, 연결끝이 있는지 아닌지를 판단한다(스텝 S132). 구체적으로는, 연결끝 판단부(98)는, 자셀(노드)과 연결끝의 셀(노드)이 있는지 아닌지를 판단한다.
판단스텝(S132)에서 연결끝이 있다고 판단되었을 경우는, 계속하여, 연결끝 판단부(98)에 있어서, 이미 기억이 있는지 아닌지를 판단한다(스텝 S133). 구체적으로는, 연결끝 판단부(98)는, 자셀(노드)과 연결끝의 셀(노드)이 있을 때, 이미 연결끝 셀 기억부(100)에 연결끝의 셀(노드)의 기억이 있는지 아닌지를 판단한다.
판단스텝(S133)에서 기억이 없다고 판단되었을 경우는, 연결끝 판단부(98)는, 정보의 연결끝의 셀의 주소와 그 정보내용을 연결끝 셀 기억부에 기억한다(스텝 S134). 즉, 연결끝 판단부(98)는, 연결끝 셀 기억부(100)에 정보의 연결끝의 셀의 주소와 그 주소에 있는 셀이 가지는 정보를 연결끝 셀 기억부에 기억한다.
판단스텝(S133)에서 이미 기억이 있다고 판단되었을 경우는, 갱신하는지 아닌지를 판단한다(스텝 S135). 갱신하는 경우는, 연결끝 판단부(98)는, 연결끝 셀 기억부(100)에 정보의 연결끝 셀의 주소와 그 셀이 가지는 정보에 의해 연결끝 셀 기억부(100)를 갱신한다. 갱신하지 않는 경우는, 스텝(S136)으로 옮기고, 다른 셀의 정보를 조사한다. 즉, 연결끝 판단부(98)에 있어서, 자셀(노드)과 연결끝의 다른 셀(노드)의 정보를 조사한다.
도 27은, 연결끝 검색시작의 동작을 나타내는 플로차트이다. 도 27은, 도 19에 나타낸 셀 컴퓨터의 부적합 답신·연결끝 셀 연락부(93) 및 연결끝 판단부(98)의 동작을 나타내는 것이다.
우선, 연결끝 셀의 검색 동작을 시작하면(스텝 S141), 연결끝 판단부(98)에 있어서, 루프내의 검색인지 아닌지를 판단한다(스텝 S142). 즉, 연결끝 판단부(98)는, 요구조건에 대응하여 행하는 검색이, 자셀(노드)과 루프내에서 연결끝의 셀(노드)에 대한 검색인지 아닌지를 판단한다.
판단스텝(S142)에서 루프내의 검색이다고 판단되었을 경우는, 연결끝 판단부(98)에 있어서 루프내의 검색을 행한다(스텝 S143). 구체적으로는, 연결끝 판단부(98)는, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 자셀(노드)과 루프내에서 연결끝의 셀(노드)에 대한 검색을 행한다.
판단스텝(S142)에서 루프내의 검색이 아니다고 판단되었을 경우는, 계속하여 트리내의 검색인지 아닌지를 판단한다(스텝 S144). 구체적으로는, 연결끝 판단부(98)는, 요구조건에 대응하여 행하는 검색이, 자셀(노드)과 트리내에서 연결끝의 셀(노드)에 대한 검색인지 아닌지를 판단한다.
판단스텝(S144)에서 트리내의 검색이다고 판단되었을 경우는, 연결끝의 셀이 있는지 아닌지가 판단된다(스텝 S145). 구체적으로는, 연결끝 판단부(98)는, 자셀(노드)의 트리내에서, 연결끝의 셀(노드)에 또한 연결끝의 셀이 있는지 아닌지를 판단한다.
판단스텝(S145)에서 연결끝의 셀이 있다고 판단되었을 경우는, 또한 연결끝의 셀이 없어질 때까지 트리내의 앞의 검색을 행한다(스텝 S146). 구체적으로는, 연결끝 판단부(98)는, 부적합 답신·연결끝 셀 연락부(93)를 거쳐서 자셀(노드)과 트리내에서 연결끝의 셀(노드)의 끝에 대한 검색을 연결끝이 없어질 때까지 반복하여 행한다.
도 28은, 검색회답부의 동작을 나타내는 플로차트이다. 도 28은, 도 19에 나타낸 셀 컴퓨터의 검색회답부(101)의 동작을 나타내는 것이다.
우선, 검색회답부의 동작을 시작하면(스텝 S151), 검색회답부(101)는, 요구조건에 따라 검색한 결과가, 자셀(노드)과 연결끝의 셀(노드)은 직접적인 연결끝인지 아닌지를 판단한다(스텝 S152).
판단스텝(S152)에서 자셀과 연결끝의 셀이 직접 연결끝이다고 판단되었을 경우는, 검색결과의 정보 및 직접 연결끝의 셀의 주소를 허브에 전송한다(스텝 S153). 구체적으로는, 검색회답부(101)는, 연결끝 판단부(98)에서의 연결끝 판단정보에 근거하여, 검색결과를 생성하고, 검색결과의 정보 및 직접 연결끝의 셀의 주소를 허브에 전송한다.
판단스텝(S152)에서 직접 연결끝이 아니다고 판단되었을 경우는, 간접 연결끝인지 아닌지를 판단한다(스텝 S154). 구체적으로는, 검색회답부(101)는, 요구조건에 따라 자셀(노드)과 연결끝의 셀(노드)은 간접의 연결끝인지 아닌지를 판단한다.
판단스텝(S154)에서 간접 연결끝이다고 판단되었을 경우는, 검색결과의 정보 및 간접 연결끝 셀의 주소를 허브에 전송한다(스텝 S155). 구체적으로는, 검색회답부(101)는, 연결끝 판단부(98)에서의 연결끝 판단정보에 근거하여, 검색결과를 생성하고, 검색결과의 정보 및 간접 연결끝 셀의 주소를 허브에 전송한다.
또한, 여기서, 지식기억부(99)는, 검색회답부(101)의 검색정보 및 검색의 회답에 근거하여 얻어지는 지식을 기억한다. 연결끝 셀 기억부(100)는, 얻어진 지식에 대응하는 연결끝의 셀을 기억한다. 이것에 의해, 동일 검색시에 중복동작을 피할 수 있다.
도 29는, 검색 송수신의 동작을 나타내는 플로차트이다. 도 29는, 도 18에 나타낸 중앙관리컴퓨터(61)(허브)의 검색송수신부(76)의 동작을 나타내는 것이다.
우선, 검색 송수신의 동작을 시작하면(스텝 S161), 검색 송수신부(76)는, 셀 연결끝 주소 기억부(82)로부터 연결끝 셀의 주소를 안다(스텝 S162). 구체적으로는, 허브의 검색송수신부(76)는, 셀 연결끝 주소 기억부(82)에서, 이미 검색을 행하고 연결끝으로 되어 있는 셀의 주소를 인식한다.
다음에, 허브의 검색송수신부(76)에 있어서, 요구조건 처리대상 셀을 안다(스텝 S163). 구체적으로는, 허브의 검색송수신부(76)는, 도 20의 스텝(S65)의 요구조건 처리대상 셀 검출부(73)에서의 요구조건 처리대상 셀의 정보를 받아들이고, 이것을 인식한다.
다음에, 허브의 검색 송수신부(76)가, 연결끝이 있는 처리대상 셀에 검색정보를 송신하고 검색결과를 수신한다(스텝 S164). 구체적으로는, 허브의 검색송수신부(76)는, 연결끝이 있는 처리대상 셀에 검색정보를 송신하고, 도 28의 스텝(S153 및 스텝S154)의 검색결과의 정보 및 직접 혹은 간접의 연결끝 셀의 주소를 수신한다.
도 30은, 검색결과 해석의 동작을 나타내는 플로차트이다. 도 30은, 도 18에 나타낸 중앙관리컴퓨터(61)(허브)의 검색결과 해석부(78)의 동작을 나타내는 것이다.
우선, 검색결과 해석의 동작을 시작하면(스텝 S171), 허브에 있는 검색결과 해석부(78)는, 처리대상상태에 있는 각 셀로부터의 검색결과를 모두 모은다(스텝 S172). 구체적으로는, 허브의 검색결과 해석부(78)는, 검색송수신부(76)에서의 처리대상상태에 있는 각 셀로부터의 검색결과를 모두 모은다.
다음에, 검색결과 해석부(73)에 있어서, 요구조건에 따른 구조(노드수/루프/트리)가 해석된다(스텝 S173). 구체적으로는, 허브의 검색결과 해석부(78)는, 요구조건에 따른 구조마다, 예를 들면, 노드수/루프/트리마다 검색결과를 해석한다.
그리고, 허브의 검색결과 해석부(78)는, 구조마다의 해석결보를 의미이해·정보생성부(79)에 보낸다(스텝 S174).
도 31은, 의미이해·정보생성의 동작을 나타내는 플로차트이다. 도 31은, 도 18에 나타낸 중앙관리컴퓨터(허브)의 의미이해·정보생성부(79)의 동작을 나타내는 것이다.
우선, 의미이해·정보생성의 동작을 시작하고(스텝 S181), 허브의 의미이해·정보생성부(79)에 있어서 구조마다의 해석결과의 의미를 조사할 수 있다(스텝 S182). 구체적으로는, 허브의 의미이해·정보생성부(79)는, 요구조건에 따른 구조마다, 예를 들면, 노드수/루프/트리마다 검색결과의 의미를 조사한다.
다음에, 허브의 의미이해·정보생성부(79)에 있어서, 검색결과로부터 직접 의미이해를 했는지 아닌지가 판단된다(스텝 S183).
판단스텝(S183)에서, 직접 의미이해를 했다고 판단되었을 경우는, 허브의 의미이해·정보생성부(79)는, 검색결과로부터 직접 의미이해를 했음으로써, 생성된 의미를 검색결과의 정보에 부가한다(스텝 S184).
판단스텝(S183)에서, 직접 의미이해를 할 수 없다고 판단되었을 경우는, 허브의 의미이해·정보생성부(79)는, 요구조건에 따른 구조마다, 예를 들면, 노드수/루프/트리마다 검색결과의 유사한 의미를 조사한다(스텝 S185).
다음에, 허브의 의미이해·정보생성부(79)에 의하여, 검색결과로부터가 유추에 의한 정보생성이 가능한지 아닌지가 판단된다(스텝 S186). 구체적으로는 허브의 의미이해·정보생성부(79)에 의하여, 새로운 정보생성을 수반하는 유추, 기능 추론, 연상등을 행한다.
판단스텝(S186)에서, 유추에 의한 정보생성이 가능하다라고 판단되었을 경우는, 허브의 의미이해·정보생성부(79)는, 검색결과로부터 유추에 의해 정보생성된 정보의 의미를 검색결과의 정보에 부가한다(스텝 S187).
판단스텝(S186)에서 유추에 의한 정보생성이 가능하지 않다고 판단되었을 경우는, 허브의 의미이해·정보생성부(79)가, 검색결과로부터 다른 셀의 정보를 반복해 조사한다(스텝 S188).
도 32는, 출력정보변환의 동작을 나타내는 플로차트이다. 도 32는, 도 18에 나타낸 중앙관리컴퓨터(허브)의 출력정보변환부(80), 셀 연결끝 주소 기억부(82) 및 회답 출력부(81)의 동작을 나타내는 것이다.
우선, 출력정보변환부(80)는, 출력정보변환의 동작을 시작하고(스텝 S191), 구조화된 정보를 요구에 따른 표현으로 변환한다(스텝 S192). 즉, 허브의 출력정보변환부(80)는, 생성되어 구조화되어 있는 새로운 정보가 요구되는 출력형식으로 변환한다.
다음에, 허브의 출력정보변환부(80)는, 생성된 새로운 정보에 근거하여 구조화된 정보 및 그 새롭게 생성되어 구조화된 정보와 의미의 연결이 있는 연결끝의 셀의 주소를 셀 연결끝 주소 기억부(82)에 기억한다(스텝 S193). 계속하여, 허브의 회답 출력부(81)이, 생성된 새로운 정보가 요구되는 출력형식에서 출력한다(스텝(S194).
본 발명은, 학습된 지식에 의거한 사고기계, 즉 컴퓨터에 관한 것이다. 특히, 말의 의미를 체계적으로 정리하고, 지식을 구조화하여, 말의 의미 이해만이 아니라 새로운 정보생성, 유추, 귀납추론, 가설추론, 연상, 평가, 판단, 의미결정 등의 지적기능을 실현하는 것이 가능한 사고기계에 관한 것으로 최첨단 컴퓨터로써 산업상이용가능성이 크다.
Claims (14)
- 총괄적으로 정보를 수집하는 수단과,수집한 정보의 해석을 행하고, 복수의 룰에 따라 의미관계를 추출하는 수단과,추출된 의미관계에 근거하여, 의미내용을 충분히 표현하기 위하여 구조화된 지식으로서 기억하는 수단으로부터 이루어지는 지식기반을 갖춘 학습·사고기계이며,상기 의미관계에 근거하여 구조화된 지식이 문의 또는 요구에 대응하고 소정의 추론에 의해 새로운 정보를 생성하는 수단과,생성된 새로운 정보를 평가하는 수단과,이 평가결과의 순위 매김을 판단하는 수단과,판단한 결과에 근거하여 최적 해답을 결정하는 수단과,외부로부터의 문의 또는 요구를 받아들이는 입력부와,외부로부터의 문의 또는 요구와 지식기반과의 조합을 행하는 조합수단을 설치하고,이 조합수단에 의하여 조합한 결과, 완전하게 일치했을 경우는 그것을 이해한 것을 중추부에 전하는 동시에, 상기 조합의 결과 부분적으로 일치하는 경우는 상기 의미관계에 근거하여 구조화된 지식이 새로운 의미적인 내용과 관계를 가지도록 소정의 추론에 의해 정보생성을 행하는 것을 특징으로 하는 구조화지식에 근거하는 학습·사고 기계.
- 총괄적으로 수집한 데이터, 정보, 지식을 입력하는 지식입력스텝과,상기 입력한 데이터, 정보, 지식에 의해 정보의 해석을 행하고, 복수의 룰에 따라서 의미관계를 추출하고, 추출한 의미관계에 근거하여, 구조화한 지식을 기억하는 지식구조화 스텝과,상기 의미관계에 근거하여 구조화된 지식이 새로운 의미적인 내용과 관계를 가지도록 소정의 추론에 의해, 새로운 정보생성을 행하는 정보생성스텝과,상기 정보생성된 결과를 지식기반과 조합시키고, 이 정보생성된 새로운 지식을 평가하고 판단하는 평가판단스텝과,상기 평가·판단한 결과, 새로운 정보생성된 지식을 지식기반으로 축적하고, 지식의 증가를 도모하는 지식증가스텝과,외부로부터의 문의 또는 요구에 대응하고 가장 적당한 답을 결정하여 출력하는 최적해 결정스텝을 포함하며,상기 정보생성스텝은,관련 노드가 기억된 유닛만을 검색하는 관련 노드 탐색스텝과,관련 링크가 기억된 유닛만을 검색하는 관련 링크 탐색스텝과,상기 관련 노드 탐색스텝 또는 관련 링크 탐색스텝의 검색결과에 근거하여, 적어도 유추, 귀납추론, 가설추론 또는 연상의 어느 쪽을 이용한 추론을 행하는 스텝을 포함하는 것을 특징으로 하는 구조화 지식에 근거하는 학습·사고 방법.
- 제 2항에 있어서,상기 평가 판단스텝은,새롭게 정보생성된 지식을, 이미 지식기반으로 기억되어 있는 지식을 참조하면서 항목별로 평가하는 스텝과,새롭게 생성된 지식이 문의의 요구를 충족하고 있을지를 판단하고, 요구를 충족하고 있으면 그 지식을 해답의 후보로 하고, 요구를 충족하고 있지 않는 경우는 다른 결과를 요구하고 상기 항목별로 평가하는 스텝으로 되돌아가는 스텝과,상기 후보로 한 지식을, 지식기반을 참조하여 순위를 매기는 스텝과,순위를 매긴 후보중에서, 목적 필요 조건이 최적인 후보를 추출·결정하는 스텝을 포함하는 것을 특징으로 하는 구조화 지식에 근거하는 학습·사고 방법.
- 제 2항에 있어서,상기 지식증가스텝은,상기 정보생성스텝에서 정보생성되며, 상기 평가·판단스텝에서 최적 해답으로서 생성된 새로운 지식을 새로운 노드로서 증가시킬지를 판단하는 스텝과,새로운 노드로서 증가시키는 경우는, 유닛 통합기억에 기억시키는 스텝과,노드 증가 여하에 관계없이, 상기 생성된 새로운 지식을 링크로서 증가하는지 아닌지를 판단하는 스텝과,새로운 링크로서 증가하는 경우에는, 유닛 통합기록에 기억시키는 스텝을 포함하는 것을 특징으로 하는 구조화 지식에 근거하는 학습·사고 방법.
- 중앙관리컴퓨터와, 복수의 셀 컴퓨터가 서로 통신 가능하게 결합되어 있는 컴퓨터 시스템에 있어서,상기 중앙관리컴퓨터는 동작전에 상기 복수의 셀 컴퓨터 모든 주소와 명칭을 기억하고 있고, 상기 복수의 셀 컴퓨터 모두에 대하여 질문을 입력 가능하고, 질문에 대한 회답을 출력 가능하게 구성되며,상기 모든 셀 컴퓨터는 각각 지식과 그 연결끝의 지식을 나타내는 바와 같이 구조화된 지식이 1개씩 기억되어 있는 것과 동시에, 각 지식의 의미관계의 연결끝의 정보에 액세스할 수 있도록 구성되며,질문이 입력되면, 상기 중앙관리컴퓨터로부터 모든 상기 복수의 셀 컴퓨터에 대하여 상기 질문이 송신되며, 전제 동작으로서, 상기 복수의 셀 컴퓨터 각각이 보유하는 지식의, 상기 질문에 대한 의미관계의 연결정보에 근거하여 처리대상 상태 또는 부적합 상태에 상태를 변화시키며,상기 질문에 대하여, 의미관계의 연결이 없는 셀 컴퓨터는 부적합 상태로 되어 부적합 상태를 상기 중앙관리컴퓨터 및 관련하는 상기 셀 컴퓨터에 연락하고, 의미관계의 연결이 있는 셀 컴퓨터만이 처리대상상태로 되고, 상기 처리대상상태의 셀 컴퓨터만이 처리를 속행하고, 질문에 대응하고 상기 처리대상상태의 셀 컴퓨터로부터의 회답을 해석 및 의미를 이해함으로써 새로운 정보를 생성하고, 상기 생성된 새로운 정보를 상기 질문에 대응하도록 변환하고 회답으로서 출력하는 것을 특징으로 하는 컴퓨터 시스템.
- 제 5항에 있어서,상기 중앙관리컴퓨터는,질문 입력부에 질문이 입력되면, 입력된 질문의 조건을 해석하는 요구조건 해석부와,해석된 상기 요구조건에 근거하여 모든 셀 컴퓨터에 대하여 요구조건의 송신을 행하는, 이것에 대하여 부적합 셀 컴퓨터로부터의 부적합 상태의 답신을 수신하고, 상기 모든 셀 컴퓨터로부터 상기 부적합 셀 컴퓨터를 제외한 상기 요구조건에 대하여 처리대상으로 되는 셀 컴퓨터의 검출을 행하는 요구조건 처리대상 셀 검출부와,상기 검출된 상기 처리대상 셀 컴퓨터에 대해서만 그 이후의 검색동작을 속행하고, 상기 처리대상 셀 컴퓨터로부터 검색회답을 수신하고, 수신된 상기 검색회답에 근거하여 검색결과의 해석을 행하는 검색송수신부와,해석된 상기 검색결과로부터 의미이해 및 정보생성을 행하고, 새로운 정보를 생성하는 의미이해·정보생성부와,생성된 새로운 정보가 요구되는 출력형식으로 변환하는 출력정보변환부와,상기 생성된 상기 새로운 정보에 근거하여, 의미의 연결이 있는 연결끝의 셀 컴퓨터의 주소를 순차 갱신 가능하게 기억하는 셀 연결끝 주소 기억부와,상기 생성된 새로운 정보가 요구되는 출력형식에서 출력하는 회답 출력부를 갖춘 것을 특징으로 하는 컴퓨터 시스템.
- 제 5항에 있어서,상기 복수의 셀 컴퓨터는,상기 중앙관리컴퓨터로부터 모든 셀 컴퓨터에 일제히 송신되는 요구조건으로, 자(自)셀 컴퓨터가 처리대상으로 되는지 아닌지를 연결끝의 셀 컴퓨터가 있는지 아닌지의 판단정보를 이용하여 판단하는 요구조건 처리대상 판단부와,상기 요구조건에 대하여 자셀 컴퓨터가 부적합한 경우에는 부적합 상태를 상기 중앙관리컴퓨터에 답신하고, 상기 요구조건에 대하여 자셀 컴퓨터가 처리대상으로 되는 경우에는 처리대상상태를 연결끝의 컴퓨터에 연락하는 부적합 답신·연결끝 셀 연락부와,상기 요구조건에 대하여 자셀 컴퓨터가 처리대상으로 되는 경우에 상기 중앙관리컴퓨터로부터의 검색정보를 수신하는 검색수신부와,상기 요구조건에 따라 자셀 컴퓨터가 정보의 연결이 있는 연결끝의 다른 셀 컴퓨터를 검색하고, 상기 요구조건마다 검색정보에 근거한 검색을 행할 수 있는지 아닌지를, 상기 연결끝의 셀 컴퓨터의 정보를 이용하고 판단하는 연결끝 판단부와,상기 검색정보 및 검색의 회답에 근거하여 얻어지는 지식을 순차 갱신 가능하게 기억하는 지식 기억부와,상기 얻어진 지식에 대응하는 연결끝의 셀 컴퓨터를 순차 갱신 가능하게 기억하는 연결끝 셀 기억부를 갖춘 것을 특징으로 하는 컴퓨터 시스템.
- 제 7항에 있어서,상기 연결끝 판단부는, 상기 요구조건의 구조가 스텝수(N)(자연수)의 패스를 찾는 스텝수(N) 탐색수단과, 상기 요구조건의 구조가 트리모양의 패스를 찾는 트리모양 패스검색수단과, 상기 요구조건의 구조 루프모양의 패스를 찾는 루프모양 패스 탐색수단을 가지며, 상기 요구조건의 구조에 따른 연결판단을 하는 것을 특징으로 하는 컴퓨터 시스템.
- 중앙관리컴퓨터와, 복수의 셀 컴퓨터가 통신 가능하게 결합되어 있는 컴퓨터 시스템을 이용한 정보생성방법에 있어서,상기 중앙관리컴퓨터는 동작전에 상기 복수의 셀 컴퓨터의 주소만을 기억하고 있고, 상기 복수의 셀 컴퓨터에 대하여 질문을 입력 가능하고, 질문에 대한 회답을 출력 가능하고,상기 복수의 셀 컴퓨터는 각각 지식과 그 연결끝의 지식을 나타내는 바와 같이 구조화된 지식이 1개씩 기억되고 있는 동시에, 각 지식의 의미관계의 연결끝의 정보가 기억되며,질문이 입력되면, 상기 중앙관리컴퓨터로부터 모든 상기 복수의 셀 컴퓨터에 대하여 질문이 송신되는 스텝과,전제 동작으로서 상기 복수의 셀 컴퓨터 각각이 보유하는 지식의, 상기 질문에 대한 의미관계의 연결정보에 근거하여 처리대상상태 또는 부적합 상태에 상태를 변화시키는 스텝과,상기 질문에 대하여, 의미관계의 연결이 없는 셀 컴퓨터는 부적합 상태로 되고 부적합 상태를 상기 중앙관리컴퓨터에 답신하고, 의미관계의 연결이 있는 셀 컴퓨터만이 처리대상상태로 되고 회답을 상기 중앙관리컴퓨터에 답신하는 스텝과,상기 중앙관리컴퓨터는 처리대상상태의 셀 컴퓨터에만 질문을 속행하는 스텝과,상기 처리대상상태의 셀 컴퓨터로부터의 회답을 해석 및 이해함으로써, 새로운 정보를 생성하고, 생성된 새로운 정보를 질문에 대응하도록 변환하고 회답으로서 출력하는 스텝을 갖춘 것을 특징으로 하는 정보생성방법.
- 제 9항에 있어서,상기 중앙관리컴퓨터는,질문 입력부에 질문이 입력되면, 입력된 질문의 조건을 요구조건 해석부에 의해 해석하는 스텝과,해석된 상기 요구조건에 근거하여 요구조건 처리대상 셀 검출부에 의해 모든 셀 컴퓨터에 대하여 상기 요구조건의 송신을 행하고, 이것에 대하여 부적합 셀 컴퓨터로부터의 부적합 상태의 답신을 수신하고, 상기 모든 셀 컴퓨터로부터 상기 부적합 셀 컴퓨터를 제외한 요구조건에 대하여 처리대상으로 되는 셀 컴퓨터의 검출을 행하는 스텝과,검출된 상기 처리대상 셀 컴퓨터에 대해서만 검색 송수신부에 의해 그 이후의 검색 동작을 속행하고, 상기 처리대상 셀 컴퓨터로부터 검색회답을 수신하는 스텝과,수신된 상기 검색회답에 근거하여 검색결과 해석부에 의해 검색결과의 해석을 행하는 스텝과,해석된 상기 검색결과로부터 의미이해·정보생성부에 의해 의미이해 및 정보생성을 행하고, 새로운 정보를 생성하는 스텝과,생성된 상기 새로운 정보를 출력정보변환부에 의해 요구되는 출력형식으로 변환하는 스텝과,생성된 상기 새로운 정보에 근거하여, 의미의 연결이 있는 연결끝의 셀 컴퓨터의 주소를 순차 갱신 가능하게 셀 연결끝 주소 기억부에 기억하는 스텝과,생성된 상기 새로운 정보를 회답 출력부에 의해 요구되는 출력형식으로 출력하는 스텝을 갖춘 것을 특징으로 하는 정보생성방법.
- 제 9항에 있어서,상기 복수의 셀 컴퓨터는,상기 중앙관리컴퓨터로부터 모든 셀 컴퓨터에 일제히 송신되는 요구조건에, 자셀 컴퓨터가 처리대상으로 되는지 아닌지를 요구조건 처리대상 판단부에 의해 연결끝의 셀 컴퓨터가 있는지 아닌지의 판단정보를 이용하고 판단하는 스텝과,상기 요구조건에 대하여 자셀 컴퓨터가 부적합한 경우에는 부적합 상태를 상기 중앙관리컴퓨터에 답신하고, 상기 요구조건에 대하여 자셀 컴퓨터가 처리대상으로 되는 경우에는 처리대상상태를 연결끝의 셀 컴퓨터에 부적합 답신·연결끝 셀 연락부에 의해 연락하는 스텝과,상기 요구조건에 대하여 자셀 컴퓨터가 처리대상으로 되는 경우에 상기 중앙관리컴퓨터로부터의 검색정보를 검색 수신부에 의해 수신하는 스텝과,상기 요구조건에 따라 자셀 컴퓨터가 정보의 연결이 있는 연결끝의 다른 셀 컴퓨터를 검색하고, 상기 요구조건마다 상기 검색정보에 근거한 검색을 행할 수 있는지 아닌지를, 상기 연결끝의 셀 컴퓨터의 정보를 이용하고 연결끝 판단부에 의해 판단하는 스텝과,간 상기 검색의 회답을 상기 중앙관리컴퓨터에 검색회답부에 의해 답신하는 스텝과,상기 검색정보 및 검색의 회답에 근거하여 얻어지는 지식을 지식 기억부에 순차 갱신 가능하게 기억하는 스텝과,상기 얻어진 지식에 대응하는 연결끝의 셀 컴퓨터를 연결끝 셀 기억부에 순차 갱신 가능하게 기억하는 스텝을 갖춘 것을 특징으로 하는 정보생성방법.
- 제 11항에 있어서,상기 연결끝 판단부의 판단스텝은, 요구조건의 구조에 의한 연결판단중 스텝수(N)(자연수)의 패스를 찾는 동작에서는, 자셀 컴퓨터를 포함하여 노드수(N)로 연결끝의 셀 컴퓨터가 있는지 아닌지를 판단하는 스텝과,노드수(N)로 연결끝의 셀 컴퓨터가 있다고 하는 정보에 근거하여 자셀 컴퓨터를 포함한 노드수(N)를 처리대상상태이다고 판단하고, 상기 부적합 답신·연결끝 셀 연락부를 거쳐서 이들을 처리대상상태로 이행하도록 연락하는 스텝과,노드수(N)로 연결끝의 셀 컴퓨터가 없다고 하는 정보에 근거하여 자셀 컴퓨터를 포함한 다른 노드수를 부적합 상태이다고 판단하고, 부적합 답신·연결끝 셀 연락부를 거쳐서 이들을 부적합 상태로 이행하도록 연락하는 동시에, 상기 중앙관리컴퓨터에 부적합 상태를 연락하는 스텝을 가지는 것을 특징으로 하는 정보생성방법.
- 제 11항에 있어서,상기 연결끝 판단부의 판단스텝은, 요구조건의 구조에 의한 연결판단 중 트리모양의 패스를 찾는 동작에서는, 자셀 컴퓨터를 포함하고 트리모양으로 되는 연결끝의 셀 컴퓨터를 탐색할 때에,자셀 컴퓨터를 포함하고 트리모양으로 되는 연결끝의 셀 컴퓨터가 가장자리인지 아닌지를 판단하고, 이 때, 가장장리의 연결끝의 셀 컴퓨터도 순차 가장자리라고 판단하고, 트리모양으로 되는 연결끝의 셀 컴퓨터의 모두를 가장자리라고 판단하는 스텝과,트리모양으로 되는 연결끝의 셀 컴퓨터의 모두가 가장자리라고 하는 정보에 근거하여 가장자리를 처리대상상태라고 판단하고, 트리모양으로 되는 연결끝의 셀 컴퓨터의 모두를 처리대상상태라고 판단하고, 상기 부적합 답신·연결끝 셀 연락부를 거쳐서 이들을 처리대상상태로 이행하도록 연락하는 스텝과,처리대상상태의 트리모양으로 되는 연결끝의 셀 컴퓨터를 제외하고 남은 루프모양으로 되는 연결끝의 셀 컴퓨터의 모두를 부적합 상태라고 판단하고, 상기 부적합 답신·연결끝 셀 연락부를 거쳐서 이들을 부적합 상태로 이행하도록 연락하는 동시에, 상기 중앙관리컴퓨터에 부적합 상태를 연락하는 하는 스텝을 가지는 것을 특징으로 하는 정보생성방법.
- 제 11항에 있어서,상기 연결끝 판단부의 판단스텝은, 요구조건의 구조에 의한 연결판단 중 루프모양의 패스를 찾는 동작에서는, 자셀 컴퓨터를 포함하고 루프모양으로 되는 연결끝의 셀 컴퓨터를 탐색할 때에,자셀 컴퓨터를 포함하고 트리모양으로 되는 연결끝의 셀 컴퓨터가 가장자리인지 아닌지를 판단하고, 이 때, 가장자리의 연결끝의 셀 컴퓨터도 순차 루프에 속하지 않는다고 판단하고, 트리모양으로 되는 연결끝의 셀 컴퓨터의 모두를 루프에 속하지 않는다고 판단하는 스텝과,트리모양으로 되는 연결끝의 셀 컴퓨터의 모두가 가장자리라고 하는 정보에 근거하여 가장자리를 부적합 상태이다고 판단하고, 트리모양이 되는 연결끝의 셀 컴퓨터의 모두를 부적합 상태라고 판단하고, 상기 부적합 답신·연결끝 셀 연락부를 거쳐서 이들을 부적합 상태로 이행하도록 연락하는 동시에, 상기 중앙관리컴퓨터에 부적합 상태를 연락하는 스텝과,자셀 컴퓨터를 포함하고 노드수(N)(자연수)로 연결끝의 셀 컴퓨터가 있는지 아닌지를 판단하는 스텝과,부적합 상태의 트리모양으로 되는 연결끝의 셀 컴퓨터를 제외하고, 또한 노드수(N)의 판단을 맞추어 가고, 남은 노드수(N)의 루프모양으로 되는 연결끝의 셀 컴퓨터를 처리대상상태이다고 판단하고, 상기 부적합 답신·연결끝 셀 연락부를 거쳐서 이들을 처리대상상태로 이행하도록 연락하는 스텝과,노드수(N)로 연결끝의 셀 컴퓨터가 없다고 하는 정보에 근거하고 자셀 컴퓨터를 포함한 다른 노드수를 부적합 상태이다고 판단하고, 상기 부적합 답신·연결끝 셀 연락부를 거쳐서 이들을 부적합 상태로 이행하도록 연락하는 동시에, 상기 중앙관리컴퓨터 및 인접하는 셀 컴퓨터에 부적합 상태를 연락하는 하는 스텝을 가지는 것을 특징으로 하는 정보생성방법.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002305041 | 2002-10-18 | ||
JPJP-P-2002-00305041 | 2002-10-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20050062624A true KR20050062624A (ko) | 2005-06-23 |
Family
ID=32105151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020057006632A KR20050062624A (ko) | 2002-10-18 | 2003-10-17 | 구조화 지식에 의거한 학습ㆍ사고기계 및 학습ㆍ사고방법과컴퓨터 시스템 및 정보생성방법 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20060217818A1 (ko) |
EP (1) | EP1560158A1 (ko) |
JP (1) | JPWO2004036497A1 (ko) |
KR (1) | KR20050062624A (ko) |
CN (1) | CN1726508A (ko) |
AU (1) | AU2003277508A1 (ko) |
RU (1) | RU2005115089A (ko) |
WO (1) | WO2004036497A1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180004960A (ko) * | 2016-07-05 | 2018-01-15 | 한국전자통신연구원 | 하이브리드 추론 기반의 자연어 질의응답 시스템 및 그 방법 |
Families Citing this family (108)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7013308B1 (en) * | 2000-11-28 | 2006-03-14 | Semscript Ltd. | Knowledge storage and retrieval system and method |
TWI340329B (en) * | 2004-10-01 | 2011-04-11 | Inst Information Industry | Patent summarization system, method and machine-readable storage medium |
JP4547299B2 (ja) * | 2005-05-09 | 2010-09-22 | 日本電信電話株式会社 | 反転クエリグラフパターン生成装置、生成方法、生成用プログラム、およびこれらを用いた反転サブグラフ検索装置、検索方法、検索プログラム |
US8666928B2 (en) | 2005-08-01 | 2014-03-04 | Evi Technologies Limited | Knowledge repository |
US10635640B2 (en) | 2005-10-26 | 2020-04-28 | Cortica, Ltd. | System and method for enriching a concept database |
US10614626B2 (en) | 2005-10-26 | 2020-04-07 | Cortica Ltd. | System and method for providing augmented reality challenges |
US10698939B2 (en) | 2005-10-26 | 2020-06-30 | Cortica Ltd | System and method for customizing images |
US10180942B2 (en) | 2005-10-26 | 2019-01-15 | Cortica Ltd. | System and method for generation of concept structures based on sub-concepts |
US11216498B2 (en) | 2005-10-26 | 2022-01-04 | Cortica, Ltd. | System and method for generating signatures to three-dimensional multimedia data elements |
US10949773B2 (en) | 2005-10-26 | 2021-03-16 | Cortica, Ltd. | System and methods thereof for recommending tags for multimedia content elements based on context |
US9747420B2 (en) | 2005-10-26 | 2017-08-29 | Cortica, Ltd. | System and method for diagnosing a patient based on an analysis of multimedia content |
US10193990B2 (en) | 2005-10-26 | 2019-01-29 | Cortica Ltd. | System and method for creating user profiles based on multimedia content |
US8326775B2 (en) * | 2005-10-26 | 2012-12-04 | Cortica Ltd. | Signature generation for multimedia deep-content-classification by a large-scale matching system and method thereof |
US9031999B2 (en) | 2005-10-26 | 2015-05-12 | Cortica, Ltd. | System and methods for generation of a concept based database |
US11386139B2 (en) | 2005-10-26 | 2022-07-12 | Cortica Ltd. | System and method for generating analytics for entities depicted in multimedia content |
US8266185B2 (en) | 2005-10-26 | 2012-09-11 | Cortica Ltd. | System and methods thereof for generation of searchable structures respective of multimedia data content |
US10387914B2 (en) | 2005-10-26 | 2019-08-20 | Cortica, Ltd. | Method for identification of multimedia content elements and adding advertising content respective thereof |
US10360253B2 (en) | 2005-10-26 | 2019-07-23 | Cortica, Ltd. | Systems and methods for generation of searchable structures respective of multimedia data content |
US11019161B2 (en) | 2005-10-26 | 2021-05-25 | Cortica, Ltd. | System and method for profiling users interest based on multimedia content analysis |
US9529984B2 (en) | 2005-10-26 | 2016-12-27 | Cortica, Ltd. | System and method for verification of user identification based on multimedia content elements |
US10380164B2 (en) | 2005-10-26 | 2019-08-13 | Cortica, Ltd. | System and method for using on-image gestures and multimedia content elements as search queries |
US10848590B2 (en) | 2005-10-26 | 2020-11-24 | Cortica Ltd | System and method for determining a contextual insight and providing recommendations based thereon |
US10380267B2 (en) | 2005-10-26 | 2019-08-13 | Cortica, Ltd. | System and method for tagging multimedia content elements |
US10776585B2 (en) | 2005-10-26 | 2020-09-15 | Cortica, Ltd. | System and method for recognizing characters in multimedia content |
US10380623B2 (en) | 2005-10-26 | 2019-08-13 | Cortica, Ltd. | System and method for generating an advertisement effectiveness performance score |
US9191626B2 (en) | 2005-10-26 | 2015-11-17 | Cortica, Ltd. | System and methods thereof for visual analysis of an image on a web-page and matching an advertisement thereto |
US9477658B2 (en) | 2005-10-26 | 2016-10-25 | Cortica, Ltd. | Systems and method for speech to speech translation using cores of a natural liquid architecture system |
US9767143B2 (en) | 2005-10-26 | 2017-09-19 | Cortica, Ltd. | System and method for caching of concept structures |
US10535192B2 (en) | 2005-10-26 | 2020-01-14 | Cortica Ltd. | System and method for generating a customized augmented reality environment to a user |
US10372746B2 (en) | 2005-10-26 | 2019-08-06 | Cortica, Ltd. | System and method for searching applications using multimedia content elements |
US9646005B2 (en) | 2005-10-26 | 2017-05-09 | Cortica, Ltd. | System and method for creating a database of multimedia content elements assigned to users |
US8818916B2 (en) | 2005-10-26 | 2014-08-26 | Cortica, Ltd. | System and method for linking multimedia data elements to web pages |
US11620327B2 (en) | 2005-10-26 | 2023-04-04 | Cortica Ltd | System and method for determining a contextual insight and generating an interface with recommendations based thereon |
US9218606B2 (en) | 2005-10-26 | 2015-12-22 | Cortica, Ltd. | System and method for brand monitoring and trend analysis based on deep-content-classification |
US11003706B2 (en) | 2005-10-26 | 2021-05-11 | Cortica Ltd | System and methods for determining access permissions on personalized clusters of multimedia content elements |
US11361014B2 (en) | 2005-10-26 | 2022-06-14 | Cortica Ltd. | System and method for completing a user profile |
US9372940B2 (en) | 2005-10-26 | 2016-06-21 | Cortica, Ltd. | Apparatus and method for determining user attention using a deep-content-classification (DCC) system |
US11604847B2 (en) | 2005-10-26 | 2023-03-14 | Cortica Ltd. | System and method for overlaying content on a multimedia content element based on user interest |
US10585934B2 (en) | 2005-10-26 | 2020-03-10 | Cortica Ltd. | Method and system for populating a concept database with respect to user identifiers |
US10691642B2 (en) | 2005-10-26 | 2020-06-23 | Cortica Ltd | System and method for enriching a concept database with homogenous concepts |
US10191976B2 (en) | 2005-10-26 | 2019-01-29 | Cortica, Ltd. | System and method of detecting common patterns within unstructured data elements retrieved from big data sources |
US11032017B2 (en) | 2005-10-26 | 2021-06-08 | Cortica, Ltd. | System and method for identifying the context of multimedia content elements |
US9953032B2 (en) | 2005-10-26 | 2018-04-24 | Cortica, Ltd. | System and method for characterization of multimedia content signals using cores of a natural liquid architecture system |
US10742340B2 (en) | 2005-10-26 | 2020-08-11 | Cortica Ltd. | System and method for identifying the context of multimedia content elements displayed in a web-page and providing contextual filters respective thereto |
US10607355B2 (en) | 2005-10-26 | 2020-03-31 | Cortica, Ltd. | Method and system for determining the dimensions of an object shown in a multimedia content item |
US11403336B2 (en) | 2005-10-26 | 2022-08-02 | Cortica Ltd. | System and method for removing contextually identical multimedia content elements |
US10621988B2 (en) | 2005-10-26 | 2020-04-14 | Cortica Ltd | System and method for speech to text translation using cores of a natural liquid architecture system |
US9384196B2 (en) | 2005-10-26 | 2016-07-05 | Cortica, Ltd. | Signature generation for multimedia deep-content-classification by a large-scale matching system and method thereof |
US8312031B2 (en) | 2005-10-26 | 2012-11-13 | Cortica Ltd. | System and method for generation of complex signatures for multimedia data content |
JP4958476B2 (ja) * | 2006-05-24 | 2012-06-20 | 株式会社日立製作所 | 検索装置 |
US10733326B2 (en) | 2006-10-26 | 2020-08-04 | Cortica Ltd. | System and method for identification of inappropriate multimedia content |
US8583419B2 (en) * | 2007-04-02 | 2013-11-12 | Syed Yasin | Latent metonymical analysis and indexing (LMAI) |
US8838659B2 (en) * | 2007-10-04 | 2014-09-16 | Amazon Technologies, Inc. | Enhanced knowledge repository |
US9805089B2 (en) | 2009-02-10 | 2017-10-31 | Amazon Technologies, Inc. | Local business and product search system and method |
US8285664B2 (en) | 2009-11-03 | 2012-10-09 | Clausal Computing Oy | Semantic network with selective indexing |
US9110882B2 (en) | 2010-05-14 | 2015-08-18 | Amazon Technologies, Inc. | Extracting structured knowledge from unstructured text |
CN102253934A (zh) * | 2010-05-18 | 2011-11-23 | 邹顺鹏 | 一种基于双语自动转换的间接形式化方法 |
US8538915B2 (en) | 2010-07-12 | 2013-09-17 | International Business Machines Corporation | Unified numerical and semantic analytics system for decision support |
RU2449366C1 (ru) * | 2011-01-21 | 2012-04-27 | Государственное образовательное учреждение высшего профессионального образования Академия Федеральной службы охраны Российской Федерации (Академия ФСО России) | Способ моделирования преднамеренных повреждений элементов сети связи |
CN103380426B (zh) * | 2011-02-16 | 2017-09-22 | 英派尔科技开发有限公司 | 利用语义限制关系来执行查询 |
CN103000052A (zh) * | 2011-09-16 | 2013-03-27 | 上海先先信息科技有限公司 | 人机互动的口语对话***及其实现方法 |
US9037452B2 (en) * | 2012-03-16 | 2015-05-19 | Afrl/Rij | Relation topic construction and its application in semantic relation extraction |
JP6792831B2 (ja) * | 2012-05-08 | 2020-12-02 | Linfops有限会社 | 脳型感情表現ロボットの制御方法 |
JP2013254339A (ja) * | 2012-06-06 | 2013-12-19 | Toyota Motor Corp | 言語関係判別装置、言語関係判別プログラム、言語関係判別方法 |
US9959317B2 (en) | 2014-03-05 | 2018-05-01 | Empire Technology Development Llc | Semantic data generation |
JP6466138B2 (ja) * | 2014-11-04 | 2019-02-06 | 株式会社東芝 | 外国語文作成支援装置、方法及びプログラム |
US11204929B2 (en) | 2014-11-18 | 2021-12-21 | International Business Machines Corporation | Evidence aggregation across heterogeneous links for intelligence gathering using a question answering system |
US11244113B2 (en) * | 2014-11-19 | 2022-02-08 | International Business Machines Corporation | Evaluating evidential links based on corroboration for intelligence analysis |
US10318870B2 (en) | 2014-11-19 | 2019-06-11 | International Business Machines Corporation | Grading sources and managing evidence for intelligence analysis |
US11836211B2 (en) | 2014-11-21 | 2023-12-05 | International Business Machines Corporation | Generating additional lines of questioning based on evaluation of a hypothetical link between concept entities in evidential data |
KR101636477B1 (ko) * | 2014-11-28 | 2016-07-06 | (주)아이와즈 | 구조화된 지식정보와 문서수집을 이용한 지식확장 및 검증 시스템, 그 방법, 기록매체 |
DE102016010909A1 (de) * | 2015-11-11 | 2017-05-11 | Adobe Systems Incorporated | Strukturiertes Modellieren, Extrahieren und Lokalisieren von Wissen aus Bildern |
US11195043B2 (en) | 2015-12-15 | 2021-12-07 | Cortica, Ltd. | System and method for determining common patterns in multimedia content elements based on key points |
WO2019008581A1 (en) | 2017-07-05 | 2019-01-10 | Cortica Ltd. | DETERMINATION OF DRIVING POLICIES |
US11899707B2 (en) | 2017-07-09 | 2024-02-13 | Cortica Ltd. | Driving policies determination |
JP6828823B2 (ja) * | 2017-09-15 | 2021-02-10 | 日本電気株式会社 | 知識生成装置、知識生成方法、及びプログラム |
JP7021499B2 (ja) * | 2017-10-24 | 2022-02-17 | 日本電気株式会社 | 統合データベースシステム、統合管理システム、統合管理方法、および統合管理プログラム |
US10846544B2 (en) | 2018-07-16 | 2020-11-24 | Cartica Ai Ltd. | Transportation prediction system and method |
CN112740238A (zh) * | 2018-09-28 | 2021-04-30 | 三菱电机株式会社 | 推理装置、推理方法和推理程序 |
US11181911B2 (en) | 2018-10-18 | 2021-11-23 | Cartica Ai Ltd | Control transfer of a vehicle |
US20200133308A1 (en) | 2018-10-18 | 2020-04-30 | Cartica Ai Ltd | Vehicle to vehicle (v2v) communication less truck platooning |
US11126870B2 (en) | 2018-10-18 | 2021-09-21 | Cartica Ai Ltd. | Method and system for obstacle detection |
US10839694B2 (en) | 2018-10-18 | 2020-11-17 | Cartica Ai Ltd | Blind spot alert |
US11700356B2 (en) | 2018-10-26 | 2023-07-11 | AutoBrains Technologies Ltd. | Control transfer of a vehicle |
US10748038B1 (en) | 2019-03-31 | 2020-08-18 | Cortica Ltd. | Efficient calculation of a robust signature of a media unit |
JP7172497B2 (ja) * | 2018-11-22 | 2022-11-16 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
US10789535B2 (en) | 2018-11-26 | 2020-09-29 | Cartica Ai Ltd | Detection of road elements |
EP3660699A1 (en) * | 2018-11-29 | 2020-06-03 | Tata Consultancy Services Limited | Method and system to extract domain concepts to create domain dictionaries and ontologies |
CN109815343B (zh) * | 2019-01-28 | 2021-01-22 | 北京百度网讯科技有限公司 | 获得知识图谱中的数据模型的方法、装置、设备和介质 |
JP7301547B2 (ja) * | 2019-02-08 | 2023-07-03 | 本田技研工業株式会社 | 設計支援装置 |
US11687795B2 (en) | 2019-02-19 | 2023-06-27 | International Business Machines Corporation | Machine learning engineering through hybrid knowledge representation |
US11643005B2 (en) | 2019-02-27 | 2023-05-09 | Autobrains Technologies Ltd | Adjusting adjustable headlights of a vehicle |
US11285963B2 (en) | 2019-03-10 | 2022-03-29 | Cartica Ai Ltd. | Driver-based prediction of dangerous events |
US11694088B2 (en) | 2019-03-13 | 2023-07-04 | Cortica Ltd. | Method for object detection using knowledge distillation |
US11132548B2 (en) | 2019-03-20 | 2021-09-28 | Cortica Ltd. | Determining object information that does not explicitly appear in a media unit signature |
US10776669B1 (en) | 2019-03-31 | 2020-09-15 | Cortica Ltd. | Signature generation and object detection that refer to rare scenes |
US10796444B1 (en) | 2019-03-31 | 2020-10-06 | Cortica Ltd | Configuring spanning elements of a signature generator |
US10789527B1 (en) | 2019-03-31 | 2020-09-29 | Cortica Ltd. | Method for object detection using shallow neural networks |
US11222069B2 (en) | 2019-03-31 | 2022-01-11 | Cortica Ltd. | Low-power calculation of a signature of a media unit |
CN110632878B (zh) * | 2019-10-08 | 2022-06-28 | 上海宝阶智能科技有限公司 | 一种异构嵌入式表格化处理及执行动作流程的方法和装置 |
US11507828B2 (en) * | 2019-10-29 | 2022-11-22 | International Business Machines Corporation | Unsupervised hypernym induction machine learning |
US11593662B2 (en) | 2019-12-12 | 2023-02-28 | Autobrains Technologies Ltd | Unsupervised cluster generation |
US10748022B1 (en) | 2019-12-12 | 2020-08-18 | Cartica Ai Ltd | Crowd separation |
US20210192372A1 (en) * | 2019-12-19 | 2021-06-24 | Electronics And Telecommunications Research Institute | Multi-layered knowledge base system and processing method thereof |
US11590988B2 (en) | 2020-03-19 | 2023-02-28 | Autobrains Technologies Ltd | Predictive turning assistant |
US11827215B2 (en) | 2020-03-31 | 2023-11-28 | AutoBrains Technologies Ltd. | Method for training a driving related object detector |
US11756424B2 (en) | 2020-07-24 | 2023-09-12 | AutoBrains Technologies Ltd. | Parking assist |
CN113255920B (zh) * | 2021-06-29 | 2021-09-28 | 中国科学院自动化研究所 | 基于大数据的动态***事理灾变因果推断方法和*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08305729A (ja) * | 1995-05-10 | 1996-11-22 | Oki Electric Ind Co Ltd | ネットワーク情報フィルタリングシステム |
JP2000259648A (ja) * | 1999-03-05 | 2000-09-22 | Sharp Corp | 文章検索装置および方法ならびに文章検索プログラムを記録したコンピュータで読取り可能な記録媒体 |
JP2002132506A (ja) * | 2000-10-30 | 2002-05-10 | Advanced Telecommunication Research Institute International | 仮説シミュレーション装置および仮説シミュレーション方法 |
-
2003
- 2003-10-17 EP EP03808904A patent/EP1560158A1/en not_active Withdrawn
- 2003-10-17 RU RU2005115089/09A patent/RU2005115089A/ru not_active Application Discontinuation
- 2003-10-17 JP JP2004544986A patent/JPWO2004036497A1/ja active Pending
- 2003-10-17 US US10/531,432 patent/US20060217818A1/en not_active Abandoned
- 2003-10-17 AU AU2003277508A patent/AU2003277508A1/en not_active Abandoned
- 2003-10-17 KR KR1020057006632A patent/KR20050062624A/ko not_active Application Discontinuation
- 2003-10-17 WO PCT/JP2003/013327 patent/WO2004036497A1/ja not_active Application Discontinuation
- 2003-10-17 CN CNA2003801059125A patent/CN1726508A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180004960A (ko) * | 2016-07-05 | 2018-01-15 | 한국전자통신연구원 | 하이브리드 추론 기반의 자연어 질의응답 시스템 및 그 방법 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2004036497A1 (ja) | 2006-02-16 |
EP1560158A1 (en) | 2005-08-03 |
US20060217818A1 (en) | 2006-09-28 |
WO2004036497A1 (ja) | 2004-04-29 |
CN1726508A (zh) | 2006-01-25 |
AU2003277508A1 (en) | 2004-05-04 |
RU2005115089A (ru) | 2006-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20050062624A (ko) | 구조화 지식에 의거한 학습ㆍ사고기계 및 학습ㆍ사고방법과컴퓨터 시스템 및 정보생성방법 | |
Liao et al. | Unsupervised approaches for textual semantic annotation, a survey | |
Mulwad et al. | A domain independent framework for extracting linked semantic data from tables | |
Carta et al. | Iterative zero-shot llm prompting for knowledge graph construction | |
Anand et al. | Uncertainty analysis in ontology-based knowledge representation | |
Popova et al. | Multilevel ontologies for big data analysis and processing | |
Amer | Enhancing efficiency of web search engines through ontology learning from unstructured information sources | |
Amer-Yahia et al. | INODE: building an end-to-end data exploration system in practice [extended vision] | |
Singh et al. | Ontology learning procedures based on web mining techniques | |
Bharambe et al. | Ontology and knowledge graphs for semantic analysis in natural language processing | |
CN112541065A (zh) | 基于表示学习的医学新词发现处理方法 | |
Arbaaeen et al. | Natural language processing based question answering techniques: A survey | |
Kovács et al. | Conceptualization with incremental bron-kerbosch algorithm in big data architecture | |
CN117094390A (zh) | 一种面向海洋工程领域的知识图谱构建及智能搜索方法 | |
Zhang et al. | Rule capture of automated compliance checking of building requirements: a review | |
Silva et al. | Multidimensional service-oriented ontology mapping | |
Zhang et al. | Automatic data representation analysis for reconfigurable systems integration | |
Thambi et al. | A novel technique using graph neural networks and relevance scoring to improve the performance of knowledge graph-based question answering systems | |
Banouar et al. | Interoperability of information systems through ontologies: State of art | |
Chmielewski | Ontology-based indirect association assessment method using graph and logic reasoning techniques | |
Mani et al. | A Knowledge Graph Approach towards Re-structuring of Scientific Articles | |
Hamel et al. | Encoder-decoder neural network with attention mechanism for types detection in linked data | |
El Massari et al. | Bridging the gap between the semantic web and big data: answering SPARQL queries over NoSQL databases | |
Do et al. | Using BERT and Knowledge Graph for detecting triples in Vietnamese text | |
Katsogiannis-Meimarakis | Data Democratisation with Deep Learning: Structured Query Translation from and to Natural Language |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
WITN | Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid |