구조 매핑 엔진

Structure mapping engine

인공지능과 인지과학에서 구조매핑엔진(SME)은 데드레 젠트너의 심리이론에 기초한 아날로그 매칭 알고리즘의 소프트웨어 구현이다.Gentner의 구조 매핑 아이디어의 기초는 유추란 한 도메인(기반)에서 다른 도메인(대상)으로 지식을 매핑하는 것입니다.구조 매핑 엔진은 유추 및 유사성 [1]비교의 컴퓨터 시뮬레이션입니다.

이 이론은 표면적인 특징을 무시하고 같은 표현 구조를 가지고 있다면 잠재적으로 매우 다른 것 사이의 일치를 찾기 때문에 유용하다.예를 들어, SME는 펜이 스펀지와 같다고 판단할 수 있다. 왜냐하면 펜은 액체를 분사하는 데 매우 다른 역할을 하기 때문이다.

구조 매핑 이론

구조 매핑 이론은 독립적인 사실보다 연결된 지식이 선호된다는 체계성 원칙에 기초한다.따라서 구조 매핑엔진은 더 큰 구조의 일부가 아닌 한 분리된 소스-타깃 매핑을 무시해야 합니다.이론상으로는 SME는 이미 매핑된 지식과 관련된 객체를 매핑해야 합니다.

또한 이 이론에서는 매핑을 일대일로 수행해야 합니다. 즉, 소스 설명의 어떤 부분도 타깃 내의 여러 항목에 매핑할 수 없고 타깃 설명의 어떤 부분도 소스 중 여러 부분에 매핑할 수 없습니다.이 이론은 또한 대상이 되는 일치 항목이 매핑될 경우 대상 인수와 대상 인수도 매핑해야 합니다.이 두 조건이 모두 충족되면 매핑은 "구조적으로 일관성이 있다"고 합니다.

SME의 개념

SME는 소스에서 타겟으로 지식을 매핑합니다.SME는 각 설명을 dgroup이라고 부릅니다.dgroup에는 엔티티 및 술어 목록이 포함됩니다.엔티티는 입력 기어나 스위치와 같은 설명의 객체 또는 개념을 나타냅니다.술어는 세 가지 유형 중 하나로 SME에 대한 지식을 표현하는 일반적인 방법입니다.

  • 관계 술어에는 다른 술어 또는 엔티티일 수 있는 여러 개의 인수가 포함됩니다.예를 들면, (송신(송신처로부터 송신처))는 다음과 같습니다.이 관계에는 함수 전송이 있으며 what, from, to의 3가지 인수를 사용합니다.
  • 속성 술어는 엔티티의 속성입니다.속성의 예로는 (빨간색 기어)가 있는데, 이는 기어가 빨간색 속성을 가지고 있음을 의미합니다.
  • 함수 술어는 엔티티를 다른 엔티티 또는 상수에 매핑합니다.함수의 예로는 엔티티 전원을 수치량 줄에 매핑하는 (줄 전원)이 있습니다.

기능이나 속성의 의미가 다르기 때문에 SME는 그 처리를 달리한다.예를 들어 SME의 진정한 유추 규칙 집합에서 속성은 상위 일치 항목이 없으면 일치할 수 없기 때문에 기능과 다릅니다.속성과 기능의 차이에 대해서는 이 섹션의 예에서 자세히 설명합니다.

모든 술어에는 4개의 파라미터가 있습니다.이들은 (1) 그것을 식별하는 펑터와 (2) 관계, 속성 또는 함수 중 하나의 유형을 가지고 있다.다른 2개의 파라미터(3과 4)는 SME 알고리즘에서의 인수 처리 방법을 결정하기 위한 것입니다.인수가 순서대로 일치해야 하는 경우 가환율은 false입니다.술어가 임의의 수의 인수를 사용할 수 있는 경우 N-ary는 false입니다.술어 정의의 예는 다음과 같습니다. (sme:defPredicate behavior-set (predicate) relation : n-ary?t:commutative?t) 술어의 펑터는 "behavior-set", 그 유형은 "relation", n-ary 파라미터와 가 모두 true로 설정됩니다.정의의 "(predicate)" 부분은 동작 세트의 인스턴스화 내부에 하나 이상의 술어가 있음을 지정합니다.

알고리즘 상세

알고리즘에는 몇 가지 [2]단계가 있습니다.알고리즘의 첫 번째 단계는 소스 dgroup과 타깃 dgroup 간에 일련의 일치 가설을 작성하는 것입니다.일치 가설은 소스와 목표물 사이의 가능한 매핑을 나타냅니다.이 매핑은 일련의 일치 규칙에 의해 제어됩니다.일치 규칙을 변경함으로써 SME가 수행하는 추론 유형을 변경할 수 있습니다.예를 들어, 하나의 일치 규칙 집합은 문자 그대로의 유사성이라고 불리는 일종의 유추를 수행할 수 있습니다.그리고 또 다른 하나는 진실된 표현이라고 불리는 일종의 유추를 행합니다.이러한 규칙은 도메인에 의존하는 정보가 추가되는 곳이 아니라 사용자가 모방하려는 인지 기능의 유형에 따라 유추 과정을 조정하는 곳입니다.

특정 일치 규칙에는 필터 규칙과 인턴 규칙이라는 두 가지 유형의 규칙이 적용됩니다.intern 규칙은 필터 규칙이 식별하는 일치 가설 식 인수만 사용합니다.이 제한은 생성되는 일치 가설의 수를 제한함으로써 처리를 보다 효율적으로 만듭니다.동시에 알고리즘의 나중에 필요한 구조적 일관성을 구축하는 데도 도움이 됩니다.True-Analogy 규칙 집합의 필터 규칙 예는 동일한 함수를 가진 술어 간에 일치 가설을 작성합니다.true-analogy 규칙 집합에는 match 가설의 인수를 반복하는 intern 규칙이 있습니다.인수가 엔티티 또는 함수인 경우 또는 인수가 속성이고 동일한 펑터를 가진 경우 match 가설이 더 생성됩니다.

일치 규칙이 일치 가설을 생성하는 방법을 설명하기 위해 다음 두 가지 술어를 고려하십시오.

transmit torque inputgear secondgear (p1)

transmit signal switch div10 (p2)

여기에서는 추론의 종류에 대해 진정한 유추를 사용합니다.필터 일치 규칙은 p1과 p2 사이의 일치를 생성합니다.이는 p1과 p2가 같은 펑터(transmit)를 공유하기 때문입니다.그 후 인턴 규칙은 토크에서 신호로, 입력에서 스위치로, 세컨드기어에서 div10으로 세 가지 일치 가설을 더 생성합니다.모든 인수가 엔티티였기 때문에 인턴 규칙은 이러한 일치 가설을 만들었습니다.

인수가 엔티티가 아닌 함수 또는 속성일 경우 술어는 다음과 같이 표시됩니다.

transmit torque (inputgear gear) (secondgear gear) (p3)

transmit signal (switch circuit) (div10 circuit) (p4)

이러한 추가 술어는 언어 입력 파일에 정의된 값에 따라 입력 기어, 세컨드 기어, 스위치 및 div10 기능 또는 속성을 만듭니다.이 표현에는 기어와 회로에 대한 추가 엔티티도 포함되어 있습니다.

입력기어, 세컨드기어, 스위치, div10의 종류에 따라 의미가 달라집니다.속성으로, 각 특성은 기어 또는 회로의 특성입니다.예를 들어, 기어에는 입력 기어와 세컨드 기어라는 두 가지 속성이 있습니다.회로에는 스위치와 회로의 두 가지 속성이 있습니다.기능입력장치로서 제2기어, 스위치, div10이 기어 및 회로의 양이 된다.이 예에서 함수 입력 기어와 2단 기어는 이제 "입력 기어에서 토크" 및 "2단 기어에서 토크"의 수치로 매핑됩니다. 회로의 경우 수량은 논리량 "스위치 체결" 및 숫자 수량 "나눗셈 10 카운터로 전류 카운트"에 매핑됩니다.

SME에서는, 이러한 처리를 달리합니다.상위 관계에 속하지 않는 한 Atribute를 일치시킬 수는 없지만, 이러한 관계에 속하지 않는 경우에도 함수가 일치할 수 있습니다.함수는 간접적으로 실체를 참조하기 때문에 일치시킬 수 있으며, 따라서 실체가 포함되지 않는 관계와 같이 취급해야 합니다.단, 다음 항에서 나타내는 바와 같이 인턴규칙에서는 함수간의 일치에 관계간의 일치보다 낮은 가중치를 할당합니다.

SME가 속성과 일치하지 않는 것은 관계를 바탕으로 연계된 지식을 창출하고 체계성 원칙을 충족시키려 하기 때문이다.예를 들어, 시계와 자동차 모두에 입력 기어 속성이 있는 경우 SME는 이들을 유사한 것으로 표시하지 않습니다.만약 그렇다면, 시계와 자동차 사이의 관계가 아니라 외관에 따라 시계와 자동차를 일치시키는 것입니다.

p3 및 p4의 추가 술어가 함수인 경우, 일치 p3 및 p4의 결과는 기어와 회로 사이에 추가 일치가 있다는 점과 (입력 기어)와 (스위치 회로) 사이의 일치 가설의 값이 더 낮다는 점을 제외하면 p1 및 p2의 결과와 유사하다.다음 섹션에서는 그 이유에 대해 자세히 설명합니다.

입력기어, secondgear, switch 및 div10이 엔티티가 아닌 속성일 경우 SME는 속성 간의 일치를 찾지 않습니다.송신 술어와 토크와 신호 사이의 일치만 찾습니다.또한 나머지 2개 매치의 구조 평가 점수는 감소한다.두 개의 술어가 일치하도록 하려면 p3를 p5로 대체해야 합니다.이거는 다음과 같습니다.

transmit torque (inputgear gear) (div10 gear) (p5)

true-아날로그 규칙 집합은 div10 속성이 p5와 p4 사이에서 동일함을 나타내고 div10 속성은 토크와 신호의 상위 관계 매칭의 일부이기 때문에 SME는 (div10 기어)와 (div10 회로)를 일치시킵니다.이것은 기어와 회로 간의 매칭으로 이어집니다.

상위 일치의 일부가 되는 것은 Atribute의 경우에만 필요합니다.예를 들어 (div10 기어)와 (div10 회로)가 상위 일치의 일부가 아닌 경우 SME는 이들 사이에 일치 가설을 작성하지 않습니다.단, div10이 함수 또는 관계일 경우 SME는 일치를 작성합니다.

구조평가점수

일치 가설이 생성되면 SME는 각 가설에 대한 평가 점수를 계산해야 합니다.SME는 일련의 인턴 일치 규칙을 사용하여 각 일치의 긍정 및 부정 증거를 계산합니다.뎀프스터의 규칙[Shafer, 1978]을 사용하여 여러 증거의 양이 상관되어 0과 1 사이의 양의 신뢰 값과 음의 신뢰 값이 된다.일치 규칙은 함수 및 관계를 포함하는 일치에 대해 서로 다른 값을 할당합니다.그러나 이러한 값은 프로그래밍이 가능하며 체계성 원칙을 적용하는 데 사용할 수 있는 일부 기본값은 [Falkenhainer et al., 1989]에 설명되어 있다.

다음 규칙이 있습니다.

  1. 소스와 목표값이 함수가 아니고 순서가 같으면 일치 항목이 +0.3 증거를 얻습니다.명령이 서로 1 이내이면 일치 항목이 +0.2 증거와 -0.05 증거를 얻습니다.
  2. 소스와 대상의 함수가 같은 경우, 소스가 함수인 경우 일치 근거가 0.2개이고 소스가 관계인 경우 0.5개입니다.
  3. 인수가 일치하면 일치에 +0.4의 증거가 됩니다.소스와 타깃 사이의 모든 인수 쌍이 엔티티이거나 인수가 같은 펑터를 가지고 있거나 대상이 엔티티이지만 소스가 아닌 경우는 인수가 일치할 수 있습니다.
  4. 술어 유형이 일치하지만 술어 내의 요소가 일치하지 않으면 -0.8의 증거를 얻습니다.
  5. 소스 식과 타겟 식이 일치하는 상위 일치의 일부인 경우 상위 일치에 대한 0.8의 증거를 추가합니다.

p1과 p2의 일치 예에서는 SME는 송신 관계간의 일치에 0.7900의 플러스 증거치를 부여하고, 그 외의 경우는 0.6320의 값을 가져옵니다.전송관계는 규칙 1, 3, 및2에서 증거를 취득하기 때문에 증거값 0.7900을 받습니다.그 외의 일치에서는, 0.6320 의 값이 됩니다.이는 규칙 5 에 의해, 송신으로부터의 근거의 0.8 이 이러한 일치에 전파되기 때문입니다.

술어 p3 및 p4의 경우 전송 관계의 인수가 함수이기 때문에 SME는 더 적은 증거를 할당합니다.규칙 3은 더 이상 증거를 추가하지 않기 때문에 전송 관계는 0.65의 양의 증거를 얻습니다.(입력 기어)와 (스위치 회로)의 매칭은 0.7120이 됩니다.이 일치에서는 규칙 3에 의해 0.4의 증거가 얻어지고 규칙 5에 의해 전송 관계에서 0.52의 증거가 전파됩니다.

p3 와 p4 의 술어가 어트리뷰트인 경우, 규칙 4 는 송신 관계의 함수는 일치하고 있습니다만, 인수는 일치할 가능성이 없고, 함수도 아니기 때문에, -0.8 의 증거를 송신 일치에 추가합니다.

요약하면 인턴 일치 규칙은 각 일치 가설에 대한 구조 평가 점수를 계산합니다.이 규칙들은 체계성 원칙을 시행합니다.규칙 5는 상위 관계에 관련된 일치를 강화하기 위해 낙수 증거를 제공한다.규칙 1, 3. 및 규칙 4는 일치하는 인수를 가질 수 있는 관계에 대한 지원을 추가하거나 뺍니다.규칙 2는 함수가 일치하는 경우의 지원을 추가함으로써 관계를 강조하는 일치에 대한 지원을 추가합니다.

이 규칙은 속성, 함수 및 관계 간의 차이도 적용합니다.예를 들어, 관계보다 함수에 대한 증거가 적은 체크를 가지고 있습니다.속성은 intern match 규칙에 의해 구체적으로 처리되지 않지만 SME의 필터 규칙에서는 이들 규칙이 상위 관계의 일부일 경우에만 고려되며 규칙 2에서는 속성이 동일한 펑터를 갖는 경우에만 일치하도록 합니다.

Gmap 생성

나머지 SME 알고리즘은 일치 가설을 최대한 일관되게 작성하는 데 관여합니다.이러한 세트를 gmaps라고 부릅니다.SME는 작성하는 모든 gmap이 구조적으로 일관성이 있는지 확인해야 합니다.즉, 1대 1로 되어 있기 때문에 소스 맵이 여러 타깃에 매핑되지 않고 타깃이 여러 소스에 매핑되지 않습니다.gmaps에는 지원도 있어야 합니다. 즉, 일치 가설이 gmap에 있으면 출처 및 대상 항목을 포함하는 일치 가설도 마찬가지입니다.

gmap 작성 프로세스는 두 가지 단계를 따릅니다.첫째, SME는 각 일치 가설에 대한 정보(엔티티 매핑, 다른 가설과의 충돌, 구조적으로 모순될 수 있는 다른 일치 가설 등)를 계산합니다.

다음으로 SME는 이 정보를 사용하여 탐욕 알고리즘과 구조 평가 점수를 사용하여 일치 가설을 병합합니다.일치 가설을 구조적으로 가장 일관된 일치 가설의 연결된 그래프로 병합합니다.그런 다음 구조적으로 일관된 경우 겹치는 구조를 가진 gmap을 결합합니다.마지막으로 구조적 일관성을 유지하면서 독립적인 gmap을 결합합니다.

소스를 타겟 dgroup과 비교하면 하나 이상의 gmap이 생성될 수 있습니다.각 gmap의 가중치는 gmap과 관련된 모든 일치 가설에 대한 모든 양의 증거 값의 합계이다.예를 들어, 아래의 p1과 p6을 포함하는 소스를 p2를 포함하는 타깃과 비교하면 SME는 2개의 gmap을 생성합니다.양쪽 gmap의 무게는 2.9186입니다.

출처:

transmit torque inputgear secondgear (p1)

transmit torque secondgear thirdgear (p6)

대상:transmit signal switch div10 (p2)

이것들은 p1과 p6을 포함하는 소스와 p2를 포함하는 타깃을 비교한 결과 발생하는 gmaps입니다.

Gmap No.1:

(토크 신호)(입력 기어 스위치)(SECondgear DIV10)(*송신-토크-입력 기어-세컨드 기어 *송신-신호-스위치-DIV10)

Gmap No.2:

(토크 신호)(제2기어 스위치)(제3기어 DIV10)(*변속기-제2기어-제3기어 *변속기-신호-스위치-DIV10)

gmaps에는 일치하는 술어 또는 엔티티의 쌍이 표시됩니다.예를 들어 gmap No.1에서는 엔티티 토크와 신호가 일치하고 동작이 송신 토크 입력 기어 2단 기어와 송신 신호 스위치 div10이 일치한다.Gmap No.1은 p1과 p2의 조합을 나타낸다.Gmap No.2는 p1과 p6의 결합을 나타낸다.p2는 p1과 p6 모두와 호환성이 있지만, 일대일 매핑 제약에 의해 양쪽 매핑이 같은 gmap 내에 존재할 수 없습니다.따라서 SME는 2개의 독립된 gmap을 생산한다.또한 두 개의 지맵을 결합하면 제3기어와 div10 사이의 기업 매핑이 제2기어와 div10 사이의 기업 매핑과 상충될 것이다.

비판

Charmers, French 및 Hofstadter[1992년]는 SME가 입력으로 수동으로 구성된 LISP 표현에 의존한다고 비판한다.그들은 이러한 표현을 구성하기 위해서는 너무 많은 인간의 창의성이 필요하다고 주장한다. 지성은 SME가 아닌 입력의 설계에서 나온다. Forbus 등[1998]은 이 비판을 반박하려고 시도했다.모리슨과 디트리히는 두 관점을 조화시키려고 노력했다.Turney [2008]는 LISP 입력을 필요로 하지 않지만 구조 매핑 이론의 원칙을 따르는 알고리즘을 제시한다.Turney[2008년]는 그들의 작품 역시 Chalmers, French, Hofstadter[1992년]의 비판에 영향을 받지 않는다고 말한다.

리안 가보라는 그녀의 글에서 "창의성의 [3]연마 이론에 따르면 창의적 사고는 개별적으로 고려되고, 이산적이고, 미리 정의된 표현이 아니라 잠재력 상태에 존재하고 쉽게 분리되지 않을 수 있는 문맥적으로 융합된 항목들에 대해 작용한다.이것은 유추의 구조 매핑 이론에서 예측한 것처럼 후보 소스에서 타겟으로 대응 관계를 매핑하는 것이 아니라 불일치를 제거함으로써 유추의 진행이 진행된다는 예측으로 이어집니다."

레퍼런스

  1. ^ "Structure-Mapping: A computational model of analogy and similarity". Northwestern University. Retrieved 2012-01-16.
  2. ^ Brian Falkenhainer; Kenneth D. Forbus; Dedre Gentner (1989). "The Structure-Mapping Engine: Algorithm and Examples" (PDF). Artificial Intelligence. 41: 1–63. CiteSeerX 10.1.1.26.6432. doi:10.1016/0004-3702(89)90077-5. Retrieved 2012-01-16.
  3. ^ Gabora, Liane (2015). "How Creative Ideas Take Shape". arXiv:1501.04406 [q-bio.NC].

추가 정보