2. 常識推論の研究の現在
l 常識推論研究[Davis16]
n Web Mining
n 知識ベースアプローチ
u フォーマルアプローチ
l Situation calculus, QPT etc.
u インフォーマルアプローチ
l Frame, Scripts, Case-based
u 大規模
l CYC
n クラウドソーシング
u CoceptNet, OpenMind
l 80年代以降、実用的な意味ではどのアプローチも大きな進歩は見られない
[Davis 16] Davis, E. and Marcus, G.: Commonsense reasoning and commonsense knowledge in artificial intelligence.
Commun. ACM, Vol. 58, No. 9, pp.92-103. (2015) DOI:https://doi.org/10.1145/2701413.
3. 本研究のアプローチ
l 環境の変化
n 大規模知識ベース、データベースの存在
n 大規模computing
n Semantic Web Technologies
l 目的:既存の大規模知識ベース、データベースを利用して、
特定問題の解決システムを作る。
n 自動車の搭乗者の曖昧な要求を理解して、目的地やスケ
ジュールを提案する。
l 手段:DBpedia, Linked Geo Data (Open Street Map), Wikidata,
WordNetを合目的的に結合して利用する。
4. 課題設定
l 入力: 目的地に関する要求 または 行動要求
n “ライオンが見たいな”
n “温泉に入りたい”
n “酒が飲みたい”
l 出力: 具体的な場所(施設,観光地等)や地域
n “上野恩賜公園”
n “大江戸温泉物語”
n “神谷バー”
11. 問題まとめ
1. ユーザ要求の曖昧性解消
n 要求対象の「ライオン」とは
u 「動物」「店」「会社」など
u 動物のライオン: 生きているのか剥製なのか
2. 対象についての知識
n 「(動物の)ライオン」は「動物」であり「哺乳類」であり
3. 施設についての知識
n 「動物園」では「動物」を「見る」ことができる
n デパート特設展示で剥製見るといった特殊条件は省略
4. 実施設の提示
n 「動物園」がどこにあるのか
25. まとめ
l アプローチ
n 既存の知識ベース・データベースを組み合わせて問題解決
l 課題
n そのままでは繋がらない
l 課題解決
n 繋ぐ知識を作ることで可能になる
l メリット
n 大規模知識・データを利用できる
n さらに知識を加えることも可能
u 専門的データベース、商用データベース
l デメリット
n 各知識・データの不完全性、非一貫性、誤謬をどう処理するか。
u オープン知識処理の課題
n 繋ぐ知識構築
u 新しい知識工学の必要性
26. Attribution
l 上野動物園 by Wei-Te Wong
l ライオン by 吉鷹
l ライオン岩 (Lion rock) by pakku
l 銀座ライオン by Sharon Hahn Darlin
l Zoo Free Icon by My Town Leisure