Loading article…
説明に基づく学習（EBL）は、非常に強力な、あるいは完璧なドメイン理論（つまり、オントロジーエンジニアリングのドメインモデルに似たアプリケーションドメインの形式理論。スコットのドメイン理論と混同しないでください）を活用して、トレーニング例から一般化や概念形成を行う機械学習の一種です。[1]また、学習を支援するためにエンコーディング（メモリ）とリンクされています。[2]
詳細
完全領域理論を用いた EBL の例としては、例を通してチェスの遊び方を学習するプログラムがあります。「2 手で黒のクイーンを強制的に失う」などの重要な特徴を含む特定のチェス ポジションには、ボード上のポーンの特定の分散など、多くの無関係な特徴が含まれています。EBL は、単一のトレーニング例を取り、一般化を形成するために、関連する特徴が何であるかを判断できます。[3]
ドメイン理論は、ドメインに関するあらゆる質問を決定するために必要なすべての情報を原理的に含んでいる場合、完全または完全です。たとえば、チェスのドメイン理論は、単にチェスのルールです。ルールを知っていれば、原理的には、どのような状況でも最善の動きを推論することができます。しかし、組み合わせ爆発のため、実際にそのような推論を行うことは不可能です。EBL は、トレーニング例を使用して、ドメイン理論の演繹的帰結を実際に効率的に検索できるようにします。
本質的に、EBL システムは、システムの既存のドメイン理論データベースから各トレーニング例を推測する方法を見つけることで機能します。トレーニング例の短い証明があると、ドメイン理論データベースが拡張され、EBL システムはトレーニング例に類似した将来の例を非常に迅速に見つけて分類できるようになります。 [4] この方法の主な欠点は、学習した証明マクロの適用にかかるコストです。これは、マクロの数が増えるにつれて増加します。これは Minton によって分析されました。[5]
基本的な処方
EBL ソフトウェアは次の 4 つの入力を受け取ります。
- 仮説空間（考えられるすべての結論の集合）
- ドメイン理論（関心領域に関する公理）
- トレーニング例（いくつかの可能性のある仮説を排除する具体的な事実）
- 操作性基準（ドメイン内のどの特徴が効率的に認識可能かを判断する基準、例えばどの特徴がセンサーを使用して直接検出可能か）[6]
応用
EBL の特に適した応用分野は自然言語処理 (NLP) です。ここでは、豊かで豊富なドメイン理論、つまり自然言語文法 (完璧でも完全でもない) が、ツリーバンク(トレーニング例) を使用して特定のアプリケーションまたは特定の言語使用法に合わせて調整されます。この研究の先駆者は Rayner です。[7]最初に成功した産業応用は、リレーショナル データベースへの商用 NL インターフェイスでした。[8]この方法は、いくつかの大規模な自然言語解析システムにうまく適用され、[9]元の文法 (ドメイン理論) を省略し、特殊な LR 解析手法を使用することでユーティリティの問題が解決され、カバレッジは犠牲になりましたが、曖昧さの解消が向上し、大幅なスピードアップが実現しました。EBL のような手法は、解析の逆であるサーフェス生成にも適用されています。[10]
EBL を NLP に適用する場合、操作性の基準は手動で作成することも、[11] or ノードのエントロピー[12] またはターゲット カバレッジ/曖昧性解消のトレードオフ (= リコール/精度のトレードオフ = f スコア) を使用してツリーバンクから推論することもできます。[13] EBL は、一般統一文法から音声認識 用の文法ベースの言語モデルをコンパイルするためにも使用できます。 [14] Minton によって最初に明らかにされた効用問題が元の文法/ドメイン理論を破棄することによって解決されたこと、および引用された記事には文法の特殊化という語句が含まれる傾向があることに注目してください。これは元の用語である説明ベースの一般化とはまったく逆のものです。おそらく、この手法に最適な名前は、データ駆動型検索空間削減でしょう。NLP の EBL に取り組んだ他の人物には、Guenther Neumann、Aravind Joshi、Srinivas Bangalore、Khalil Sima'an などがいます。
参照
参考文献
- ^ 「事例ベース推論における説明に関する特集号」人工知能レビュー。24 (2)。2005年10月。
- ^ Calin-Jageman, Robert J.; Horn Ratner, Hilary (2005-12-01). 「自己説明効果におけるエンコーディングの役割」.認知と指導. 23 (4): 523–543. doi :10.1207/s1532690xci2304_4. ISSN 0737-0008. S2CID 145410154.
- ^ 黒クイーンの例、Mitchell, Tom (1997)機械学習、McGraw-Hill、pp. 308–309、ISBN 0-07-042807-7。
- ^ ミッチェル、トム (1997)。機械学習。マグロウヒル。pp. 320。ISBN 0-07-042807-7純粋な形式の EBL では、
ドメイン理論を再定式化して、単一の推論ステップで例を分類する一般的なルールを作成します。
- ^ ミントン、スティーブン（1990）。「説明に基づく学習における効用問題に関する定量的結果」人工知能。42 （2–3）：363–392。doi ：10.1016/0004-3702（90）90059-9。
- ^ Keller, Richard (1988). 「説明に基づく学習のための操作性の定義」(PDF) .人工知能. 35 (2): 227–241. doi :10.1016/0004-3702(88)90013-6 . 2009-02-22取得。
現在の操作性の定義: 概念の説明は、
それが示す概念のインスタンスを効率的に認識できる場合に
操作性がある。
この論文では、一般的な定義を述べた後、実際にはそれに反対し、より洗練された基準を支持しています。
- ^ Rayner, Manny (1988). 「説明ベースの一般化の自然言語処理への適用」。第 5 世代コンピューティングに関する国際会議議事録、京都。pp. 1267–1274。
- ^ Samuelsson, Christer; Manny Rayner (1991)。「大規模自然言語システムの最適化ツールとしての説明ベース学習の定量的評価」。第 12 回国際人工知能合同会議議事録、シドニー。pp. 609–615。
{{cite news}}: CS1 メンテナンス: 場所 (リンク) - ^ Samuelsson, Christer (1994).説明ベース学習を使用した高速自然言語解析。ストックホルム: 王立工科大学博士論文。
- ^ Samuelsson, Christer (1996)。「表面生成テーブルの例に基づく最適化」。R. Mitkov および N. Nicolov (編)「自然言語処理の最近の進歩」、第 136 巻「言語理論の現在の問題」、John Benjamins、アムステルダム。
{{cite news}}: CS1 メンテナンス: 場所 (リンク) - ^ Rayner, Manny; David Carter (1996)。「プルーニングと文法特殊化を使用した高速解析」。Procs. ACL、サンタクルーズ。
- ^ Samuelsson, Christer (1994). 「エントロピーしきい値による文法の特殊化」. Procs. ACL, Las Cruces. pp. 188–195.
- ^ Cancedda, Nicola; Christer Samuelsson (2000)。「コーパスベースの文法特殊化」。第 4 回計算自然言語学習ワークショップの議事録。
{{cite news}}: CS1 メンテナンス: 場所 (リンク) - ^ レイナー、マニー、ベス・アン・ホッケー、ピエレット・ブイヨン（nd）。音声認識に言語学を取り入れる：レグルス文法コンパイラ。言語情報研究センター。ISBN 1-57586-526-2。