• Proceedings of the Korean Information Science Society Conference
• /
• 2007.06d
• /
• pp.214-219
• /
• 2007

생성 규칙(Production Rule)과 이를 기반으로 하는 규칙 엔진(Rule Engine)을 기반으로 한 OWL 추론 엔진은 메타 규칙((Meta Rule)에 의존해 왔다. 메타 규칙은 OWL의 의미론 (Semantics)을 표현하기 용이하여 보다 손쉽게 OWL 추론 엔진을 구현할 수 있다는 장점을 제공하였으나 OWL 추론 성능에 있어 추론 속도와 대용량 온톨로지 처리 측면에서 모두 만족할 만한 성과를 얻지 못하였다. 본 논문은 DLP(Description Logic Programming)의 번역 접근법을 기반으로 한 번역 규칙(Translation Rules)을 메타 규칙과 혼용하는 OWL 추론 기법을 소개한다. LUBM 벤치마크를 통해 이 기법이 메타 규칙만을 이용했을 때 보다 100% 이상 추론 성능을 향상시켰을 뿐 아니라 메모리 사용량도 대폭 축소시켰음을 확인할 수 있었다. 또한, 번역을 통해 제한없는 차수 제약(Cardinality Restriction) 관련 추론을 지원하는 등 보다 넓은 범위의 OWL 추론을 지원할 수 있다.

• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2005.05a
• /
• pp.171-176
• /
• 2005

본 논문에서는 진단시스템의 추론성능을 향상시키기 위한 방법으로서, 사례 기반 추론을 통해서 규칙 기반 추론의 단점을 보완하여 성능을 향상시키는 혼합형 추론 모델을 제안한다. 본 모델의 특징은 규칙 기반 추론의 확장성 문제와 규칙화 할 수 없는 예외적인 상황에 대한 문제점을 사례 기반 추론에서 사례로 저장하여 규칙 기반 추론의 단점을 보완하는데 있다. 이런 두 모델의 문제점을 해결하는 과정은 첫째로, 문제에 따라 규칙기반추론 모듈의 베이스를 통해서 적절한 규칙을 적용 후 추론을 적용하여 근접한 해를 얻어낸다. 두 번째로, 규칙베이스에 저장되어 있지 않은 문제에 대해서는 사례 라이브러리를 검색하고 유사성 검사를 통해서 저장된 사례를 찾아 입력된 사례에 적용하여 문제를 해결한다. 셋째로, 해결된 문제에 대해서 수정작업을 통해 사례 라이브러리를 확장한다. 이와 같이 세 과정을 통해 본 논문에서 제안하는 방법론의 성과를 측정하기 위하여 정비 메뉴얼을 규칙화하여 규칙베이스를 구축하였고 전문가들의 경험적인 지식에 대해서는 사례라이브러리로 구축하였다. 또한 지식베이스를 통해서 진단을 수행하고 해결된 문제에 대해서 정확도 검사를 통해 진단의 정확성을 측정하여 혼합형추론엔진의 성능을 검증하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1995.10b
• /
• pp.285-292
• /
• 1995

최근 규칙베이스 추론과 사례베이스 추론의 통합화에 의한 추론이 다양하게 시도되 고 있다. 본 논문에서는 규칙과 사례를 동일한 형태로 표현하고, 규칙베이스와 사례베이스를 통합한 새로운 통합 추론 방법을 제안한다. 지식은 논리의 기하학적 모델을 이용하여 정보 를 논리적으로 해석하며, 동일한 형태로 표현된 규칙과 사례를 Boole 함수의 미분 및 전개 방법을 이용하여 추론하는 방법을 제안하고 응용예를 통하여 확인하다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2000.05a
• /
• pp.303-306
• /
• 2000

본 논문에서는 선박에서 화재탐지를 위해서 규칙 기반 추론과 사례 기반 추론을 통합하는 방법에 대해서 논의하였다. 규칙은 어떤 영역에서 광범위한 경향을 표현하는데 적합하며 사례는 규칙에서 예외적인 상황을 다루는데 적합하다는 점에서 규칙과 사례는 상호 보완적이라 할 수 있다. 즉 어떤 행동이 충분히 반복되면 자연스럽게 규칙이 되며, 잘 확립된 규칙이 있다면 사례를 먼저 추론할 필요가 없다. 그러나 규칙이 실패하게 되면 실패를 만회하기 위해서 사례를 생성하는 것이 하나의 대안이 될 수 있다. 본 논문에서는 일반적인 화재탐지 지식은 규칙으로 표현하고, 예외적인 화재탐지 지식은 사례로 표현함으로써 규칙과 사례가 서로 보완적인 역할을 할 수 있는 통합 방법을 제안하였다. 또한 기존의 규칙 기반 FFES(Fire Fighting Expert System)와 사례기반 추론에 의해 확장된 C-FFES(Combined-Fire Fighting Expert System)를 비교를 통해, 제안한 접근 방법이 화재 탐지율을 향상시킴을 보였다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.6 no.1
• /
• pp.61-69
• /
• 2001

This study concerns designing effective fuzzy inference rules, which can be used to evaluate other experiment sets for sensory tests. The number of fuzzy inference rules might be determined by the fuzzy division of variables. For the more the number of fuzzy division does not mean the more effectiveness, the number of inference rules should be reduced to improve efficiency of inference engine of expert system. This study verified that its suggested method and inference rules are effective in comparison with the existing studies.

• Proceedings of the ESK Conference
• /
• 1993.10a
• /
• pp.236-242
• /
• 1993

소비자들이 원하는 제품의 감성을 언어로 표현하여 줄 때, 이를 퍼지추론하여 칼라를 선택해주는 시스템을 개발하였다. 시스템은 감성언어입력, 감성언어퍼지화, 칼라추론, 추론규칙, 출력 등 모두 5개 의 모듈로 구성되어 있다. 시스템은 감성언어를 색상, 채도, 명도로 변환시킨 후 이를 다시 R, G, B 값으로 변환시키게 된다. 이때, 색상, 채도, 명도로의 변환에는 퍼지화규칙이 사용되게 되며, R,G,B 값으로의 변환 에는 칼라추론규칙이 사용되게 된다. 퍼지화규칙을 만들기 위해 S.D.(의미미분)법에 의한 감성언어의 요인 분석을 실시하였으며, 동시에 문헌조사를 통해 얻은 칼라와 관련한 감성정보를 if-then 규칙 형태로 시스템에 구현하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.145-148
• /
• 2004

규칙 기반 추론 시스템에서 규칙의 속성 감축은 다양한 방법으로 제안되어 왔다. 규칙의 속성 감축은 퍼지 추론 시스템을 구현하는데 있어서 처리 시간을 단축시킬 수 있으나 규칙의 종속성 및 상관성을 고려하지 않을 경우 예상하지 못한 추론 결과를 얻을 수 있다. 따라서, 본 논문에서는 복합속성을 가진 규칙의 속성 감축과 상관성을 고려하기 위하여 러프집합의 특성 중 식별가능 행렬과 식별가능 함수를 이용하였다. 그리고 속성 감축에 사용된 규칙은 복합속성(composite attribute)을 가지는 감성 데이터를 이용하였다.

• Journal of KIISE:Software and Applications
• /
• v.36 no.5
• /
• pp.411-419
• /
• 2009

In order to derive hidden Information (concept subsumption, concept satisfiability and realization) of OWL ontologies, a number of OWL reasoners have been introduced. Most of the reasoners were implemented to be based on tableau algorithm. However this approach has certain limitation. This paper presents architecture for Medusa. The Medusa is an extended DL-reasoner for SWRL(Semantic Web Rule Language) reasoning under well-founded semantics with ontologies specified in Description Logic. Description logic based ontology reasoners theoretically explore knowledge representation and its reasoning in concept languages. However these logics are not equipped with rule-based reasoning mechanisms for assertional knowledge base; specifically, rule and facts in logic programming, or interaction of rules and facts with terminology. In order to deal with the enriched reasoning, The Medusa provides combining DL-knowledge base and rule based reasoner. The described prototype uses $Prot{\acute{e}}g{\acute{e}}$ API[1] for controlling communication with the ontology reasoner.

• Journal of KIISE:Databases
• /
• v.33 no.2
• /
• pp.151-162
• /
• 2006

RDF Semantics, one of W3C Recommendations, provides the RDFS entailment rules, which are used for the RDFS inference. Sesame, which is well known RDF repository, supports the RDBMS-based RDFS inference using the forward-chaining strategy. Since inferencing in the forward-chaining strategy is performed in the data loading time, the data loading time in Sesame is slow down be inferencing. In this paper, we propose the order scheme for applying the RDFS entailment rules to improve inference performance. The proposed application order makes the inference process terminate without repetition of the process for most cases and guarantees the completeness of inference result. Also the application order helps to reduce redundant results during the inference by predicting the results which were made already by previously applied rules. In this paper, we show that our approaches can improve the inference performance with comparisons to the original Sesame using several real-life RDF datasets.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.241-243
• /
• 2003

지능형 정보 에이전트 시스템에서 사용되는 디폴트 규칙 시스템의 결론 집합을 생성하기 위한 추론 과정에서 불일치를 발생할 수 있는 새로운 오순 상황을 제시하고, 이를 해결할 수 있는 새로운 의미론을 정의한다. 확장 논리 프로그램은 추론된 결과 집합에서 같은 심벌이 양의 부호와 음의 부호를 동시에 가진 형태로 존재하는 경우에 모순이 발생하게 된다. 막장 논리 프로그램에 기반을 둔 디폴트 추론 시스템에서도 이런 모순을 가지게 되며, 이 문제를 해결하기 위한 방법이 정의되어 있다. 하지만, 비단조 추론을 하는 디폴트 규칙 시스템에서는 이런 문제 외에도 모순이 발생하게 된다. 하지만, 기존의 연구에서는 이러한 문제를 해결하는 방범이 고려되지 않았다. 최근에 들어서 디폴트 규칙 시스템은 지능형 에이전트에 내재되면서 에이전트간의 협상과 업데이트 등에 많이 사용되고 있다. 만일, 에이전트 내에서 규칙 시스템이 모순 상황이 발생하는 경우 예기치 않은 손실이 발생하게 된다. 따라서 결론 집합을 일관성 있게 추론하는 것은 지능형 에이전트 시스템의 신뢰성을 높이기 위해서 반드시 필요한 사항이다. 더욱이 에이전트 시스템의 사용분야가 지속적으로 늘어나는 상황에서 기존에 제안된 모순 이외에 각 분야에서 특성에 따라서 발생 가능한 모순이 발생하게 되며, 이 문제를 해결하는 것이 중요한 문제이다. 본 논문에서는 기존에 정의된 모순 외에 발생 가능한 문제점을 제시하고 이를 해결하기 위한 새로운 규칙 시스템의 의미론을 정의하였다.