• Annual Conference on Human and Language Technology
• /
• 1992.10a
• /
• pp.131-140
• /
• 1992

전문가 시스템은 인공지능 분야에서 가장 성공적인 사례로 꼽히고 있다. 본 논문에서는 전문가 시스템에서 채용하고 있는 핵심기술인 패턴-액션 규칙이 자연어 구문 분석 작업에도 성공적으로 적용될 수 있음을 보이고자 한다. 자연어의 문법 규칙을 전문가 시스템의 생성 규칙 형태로 표현하고, 전문가 시스템의 추론 엔진에서 이용하는 알고리즘(특히 전향 추론 방식)을 이용하여 구문 분석을 진행하도록 한다. 이 방법이 부분 자유 어순과 중심어 후행과 같은 특징을 가진 한국어의 분석에도 적용될 수 있음을 보였다.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.4
• /
• pp.951-958
• /
• 1998

In this paper, we propose a backward reasoning algorithm which can be utilized in the fuzzy Petri-net representation representing fuzzy production rules. The fuzzy Petri-net representation can be used to model a approximate reasoning system and implement a fuzzy inference engine. The proposed algorithm, which uses the proper belief evaluation functions according to fuzzy concepts in antecedentes and consequents of fuzzy production rules, is more closer to human intuition and reasoning than other methods. This algorithm generates the backward reasoning path from the goal to the initial nodes and evaluates the belief value of the goal node using belief evaluation functions.

• The Transactions of the Korea Information Processing Society
• /
• v.5 no.1
• /
• pp.103-110
• /
• 1998

In case of traditional Rule-Based Reasoning(RBR) and Case-Based Reasoning(CBR), although knowledge is reasoned either by one of them or by the integration of RBR and CBR, there is a problem that much time should be consumed by numerous rules and cases. In order to improve this time-consuming problem, in this paper, a new type of reasoning technique, which is a kind of integration of reduced RB and CB, is to be introduced. Such a new type of reasoning uses Rough Set, by which we can represent multi-meaning and/or random knowledge easily. In Rough Set, solution is to be obtained by its own complementary rules, using the process of RB and CB into equivalence class by the classification and approximation of Rough Set. and then using reduced RB and CB through the integrated reasoning.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.284-288
• /
• 2006

본 논문은 시맨틱 웹 기술이 융합된 지식기반 정보유통 플랫폼(OntoFrame-K$^{(R)}$)의 추론 서비스 시스템 (OntoThink-K$^{(R)}$)에서 이용되는 Persistent Model인 DBMS기반의 온톨로지 확장 모델에 대해 설명하고자 한다. OntoFrame-K$^{(R)}$는 대용량의 지식 데이터를 다루기 때문에 기존에 개발된 온톨로지 추론 엔진을 이용할 경우 많은 한계점을 가지게 된다. 따라서 우리는 대용량의 지식 데이터를 안정적으로 처리할 수 있으며 추론의 신뢰성과 정합성을 가지는 온톨로지 확장 모델을 설계, 구현하였다. 본 모듈은 OWL과 인스턴스 데이터를 트리플 형태로 변환하여 입력 받은 후, 온톨로지 스키마 규칙과 사용자 정의 규칙을 이용한 정방향 추론 방법으로 추론 서비스에서 필요한 지식데이터들을 생성하는 역할을 한다. 본 모델은 DBMS를 이용하여 대용량의 지식 데이터를 저장할 수 있으며, 추론 규칙에 따른 정방향 추론을 통해 지식 모델을 확장하기 때문에 데이터의 정합성이 보장된다.

• Journal of KIISE:Software and Applications
• /
• v.34 no.6
• /
• pp.530-538
• /
• 2007

Most existing deductive engines study for optimization of TBox based on Tableaux algorithm. However, in order to deduce mass-storing ABox in reality, it can't be decided in finite time. Therefore, for the efficiency of the deductive engine, there needs to be reasoning technique optimized for ABox. This paper uses the method that changes OWL-DL based Ontology to the form of Rule like Datalog in order to interlock store device such as RDBMS. Ultimately, it tries to in circumstance of real world. Therefor, using Axiom that OWL holds, it suggests reasoning method that applies rules including datatype.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.135-139
• /
• 2002

전문가 시스템은 여려 분야에서 활용되고 있으나 여러 가지 문제점을 발생시키고 있다. 그 문제점 중 하나로 전문가로부터 지식을 추출해 내는 과정에서 발생하는 어려움들이 있다. 즉, 전문가로부터의 지식들을 추출하여 그것들을 지식 베이스화하는 작업과 그 지식을 추론할 수 있도록 추론 망으로 구성하는 것이다. 비록 이런 문제점들을 해결한다고 하여도 규칙화 된 추론망을 구성하는 데는 시간적 요소와 전문적인 지식을 가진 인적 자원이 많이 소모되므로 전문가 시스템을 구성하는 것은 실질적으로 불가능하다. 본 논문에서는 전문가는 단순히 자신이 가진 단편적인 지식들의 특징들을 입력하고, 이 특징들로부터 지식을 추출하여 지식 베이스화하고, 이를 이용한 추론망 구성을 자동 추론망 생성 시스템이 대신하는 기법을 제시한다. 실제 구성된 추론망은 규칙 기반의 추론 망으로 구성하여 지식 베이스화 한다.

• Proceedings of the Korea Society for Simulation Conference
• /
• 2000.04a
• /
• pp.95-100
• /
• 2000

시뮬레이션 모델과 전문가 시스템의 학제간 연구는 그동안 많은 학자에 의해 진행되어 왔다. 전문가 시스템은 추론 기관과 지식베이스로 구성되며, 지식베이스는 사실과 규칙으로 구성된다. 사실과 규칙은 추론 기관의 추론을 위한 정보로 사용된다. 요즘의 정보 시스템은 데이터베이스를 가지며 데이터베이스의 정보를 기반으로 모든 처리가 진행된다. 이러한 정보 시스템에 삽입되어 사용되는 시뮬레이션 모델의 전문가 시스템도 데이터베이스의 정보를 사용하여 추론을 행한다. 데이터베이스의 정보는 전문가 시스템의 추론을 위한 사실로 사용되고, 추론 결과를 저장하기 위한 저장 장소로 사용된다. 본 연구에서는 전문가 시스템의 사실과 데이터베이스 사이의 사상을 정리하고, 이를 위한 사실 클래스를 제안한다. 이 사실 클래스는 데이터베이스 데이터를 전문가 시스템이 사용할 수 있도록 필링하는 기능과 추론을 위한 의미 분석의 기능을 갖는다. 또한, 데이터베이스에 추론 결과를 저장할 때 생기는 데이터의 일치성과 무결성 문제를 해결한다. 이 사실 클래스를 갖는 전문가 시스템 기능을 갖는 시뮬레이션 모델을 그래이팅 생산 공정의 시뮬레이션에 적용하였다.

• Journal of the Korea Society for Simulation
• /
• v.19 no.4
• /
• pp.59-66
• /
• 2010

We present a personalized clothing recommender system - one that mines association rules from transaction described in ontologies and infers a recommendation from the rules. The recommender system can forecast frequently changing trends of clothing using the Onto-Apriori algorithm, and it makes appropriate recommendations for each users possible through the inference marked as meta nodes. We simulates the rule generator and the inferential search engine of the system with focus on accuracy and efficiency, and our results validate the system.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.04a
• /
• pp.528-531
• /
• 2000

이 논문에서는 시스템의 라우팅 구성 장애를 진단하기 위한 규칙과 알고리즘을 제시하였다. 라우팅 구성 장애 관리를 위하여 네트워크 구성 관리 규칙, 라우팅 구성 장애 진단 규칙을 제안하였으며 후향 추론 알고리즘을 기반으로 이런 규칙간의 상호 연동을 위하여 메타 규칙을 적용하였다. 제안한 규칙과 알고리즘을 시나리오에 기반하여 규칙, Blackboard, 목표의 변화 과정을 보여줌으로써 실험 결과를 제시하였다. 시스템의 TCP/IP 네트워크 구성 관리와 관련하여 시스템에서 발생할 수 있는 네트워크 장애들 중에서 라우팅 구성 장애를 진단하기 위한 규칙 및 추론 알고리즘을 제안함으로써 이질적이고 급변하는 네트워크 환경에 쉽게 대처할 수 있는 시스템 개발을 위한 방법론을 제시하고자 한다

• Journal of KIISE
• /
• v.42 no.10
• /
• pp.1195-1206
• /
• 2015

For the management of a knowledge system, systems that automatically infer and manage scalable knowledge are required. Most of these systems use ontologies in order to exchange knowledge between machines and infer new knowledge. Therefore, approaches are needed that infer new knowledge for scalable ontology. In this paper, we propose an approach to perform rule based reasoning for scalable SHIF ontologies in a spark framework which works similarly to MapReduce in distributed memories on a cluster. For performing efficient reasoning in distributed memories, we focus on three areas. First, we define a data structure for splitting scalable ontology triples into small sets according to each reasoning rule and loading these triple sets in distributed memories. Second, a rule execution order and iteration conditions based on dependencies and correlations among the SHIF rules are defined. Finally, we explain the operations that are adapted to execute the rules, and these operations are based on reasoning algorithms. In order to evaluate the suggested methods in this paper, we perform an experiment with WebPie, which is a representative ontology reasoner based on a cluster using the LUBM set, which is formal data used to evaluate ontology inference and search speed. Consequently, the proposed approach shows that the throughput is improved by 28,400% (157k/sec) from WebPie(553/sec) with LUBM.