multipurpose its n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Multipurpose ITS PowerPoint Presentation
Download Presentation
Multipurpose ITS

Loading in 2 Seconds...

play fullscreen
1 / 28

Multipurpose ITS

113 Vues Download Presentation
Télécharger la présentation

Multipurpose ITS

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Multipurpose ITS Implementation Document 20021169 김계현 IM Lab.

  2. System Overview

  3. Completed Modules

  4. Main • class ITS • static void main(String[] args) • static void learn(KnowledgeBase kb, KnowledgeGenerator kg) • static void teach(KnowledgeBase kb, KnowledgeGenerator kg, Planner planner)

  5. Knowledge Base

  6. Knowledge Base (cont’d) • class KnowledgeBase • Concept addConcept(String name); • Relation addRelation(String name); • Fact addFact(String name, String[] premises, String[] conjunction, int n); • Rule addRule(Vector basis, String[] premises, String[][] terms, String conclusion, String[] cterms); • Fact ask(String relation, String[] terms); • void execute(); • void print();

  7. Fact

  8. Fact (cont’d) • class Concept • class Relation • void addRule(Rule rule); • void addFact(Fact fact); • void focusOn(); • boolean isTrue(Fact fact); • boolean isAlreadyDerived(Fact fact); • boolean isContradicted(Fact fact); • void on(IEngine ie, Fact fact); • boolean equals(Object item); • void print(Logger log, int depth);

  9. Fact (cont’d) • class Fact • void print(Logger log, int depth); • Fact negates(); • boolean equals(Object item); • void on(IEngine ie);

  10. Rule

  11. Rule (cont’d) • class Rule • void print(Logger log, int depth); • void on(IEngine ie, Fact fact);

  12. Inference Engine

  13. Inference Engine (cont’d) • class IEngine • void setQuery(Fact query) • void infer() • Vector getLies() • Vector getContradictions() • void accept(Fact accepted) • void contradict(Fact contradicted) • void addOn(…)

  14. Inference Engine (cont’d) • switch-on된 node들에 대해 breadth-first search • 각각의 관계는 다음과 같다. • Concept : 그 자신이 속한 모든 Fact들을 on • Fact : 자신에게 속한 모든 Concept들과 Relation을 on • Relation : 해당 relation이 조건부가 되는 모든 Rule들을 on • Rule : 결론부로서 derive된 Fact를 on • 이 과정을, 더 이상 추가로 on되는 node가 없을 때까지 반복한다.

  15. Inference Engine (cont’d) • public void on(IEngine ie, Fact fact) • // 새로 들어온 fact를 print • // 해당 fact의 concept들을 substitutes에 add • // i번째 premise와 match하는 경우 • // premise와 negation이 반대인 경우 전혀 가치없는 fact이므로 그대로 종료 • // 알맞은 substitutes 공간에 fact의 concept들을 각각 add • // 애초에 premise의 해당 term이 variable이 아니라 constant concept이면 add 안함 • // 그 외에도 중복되지 않는 경우에 한해서만 add • // 새로 add된 concept이 먼저 check가 되도록 맨 앞에 add함 • // 다른 premise에 대해서는 볼 일이 없으므로 loop를 탈출 • // 아직 모든 premise가 on되지 않은 경우, conclusion은 무조건 false이므로 그대로 종료. • // 단, negative premise에 대해서는 check하지 않음. 하나라도 참인 fact가 derive되면 해당 premise가 on되어 버리므로... • // 각 variable이 현재 가지고 있는 모든 substitute들의 조합을 가지고 주어진 rule을 만족하는지 check하는 것이므로, • // 아래와 같이 전체 iteration 횟수 n을 구함 • // substitute가 하나도 없는 variable이 있으면 rule match가 안되므로 그대로 종료 • // 모든 가능한 substitute의 조합에 대해 rule match를 수행 • // loopVariable[i] : i번째 variable의 substitute들 중에 몇 번째 concept을 현재 iteration에서의 조합으로 취할지를 가리킴 • // ex> loopVairable[0], [1], [2]가 각각 3, 4, 5 라면, substitutes[0], [1], [2] 에서 각각 3, 4, 5번째 concept을 취하는 것. • // 이것이 끝까지 true이면, 해당 iteration에서의 조합이 올바른 fact임을 의미 • // rule match는 각 premise에 대해 수행되며, 모든 premise에서 true가 나와야 올바른 fact가 됨 • // 해당 premise에서 사용되는 variable/concept들의 index • // test할 조합을 만듦 • // index 값에 따라 usedConcept 또는 substitutes에서 concept을 가져와 조합을 만듦 • // test할 조합을 print • // test를 수행. 이때 isTrue 대신 isAlreadyDerived를 쓰는 편이 검사할 fact의 개수가 적어서 더 빠르다. • // Concept-relation network의 장점 중 하나가 바로, 기존의 모든 fact들에 대해 검사할 필요가 없다는 점임 • // 위에서 선택한 substitute의 조합이 모든 premise에 대해 true가 나온 경우 • // conclusion에 대한 fact를 만듦 • // match된 이 rule과, 이 rule로부터 derive된 fact를 print • // 다음 iteration에서의 concept의 조합을 계산 • // 가장 마지막 variable부터 개수를 늘려줌 • // n자리 10진수에 1을 더했을 때를 생각하면 됨 • // 현재 숫자가 1188이라면, 1188 + 1 = 1189로 맨 끝자리만 계산하면 되지만, 1189 + 1 = 1190 으로 • // 1의자리는 0으로 만들고, 다시 10의자리에 1을 더해줘야 함. 1199 + 1 = 1200 의 경우도 마찬가지.

  16. Knowledge Generator

  17. Knowledge Generator (cont’d) • class KnowledgeGenerator • Vector conjunctConcepts(Vector conjuncted, String added) • Fact[] addFacts(KnowledgeBase kb, Vector premises) • Vector premiseZero(Vector conjuncted, String relation, boolean isNegated); • Vector premiseN(Vector conjuncted, String rconj, String relation, String[] tconj, Vector[] targets, boolean isNegated); • Vector buildRule(Vector conditions, Vector matched, Vector unmatched); • Rule[] addRule(KnowledgeBase kb, Vector vectoredRules); • int setN(Vector conjuncted); • String negates(String relation); • int readInt();

  18. Natural Language Recognizer

  19. NLR (cont’d) • <YYINITIAL> ({LETTER}|{DIGIT}|_)* { • … • else if(yytext().equals("if") | yytext().equals("If")) • tokenID = sym.IF; • else if(yytext().equals("but") | • yytext().equals("But") | • yytext().equals("However") | • yytext().equals("however") | • yytext().equals("even though") • | yytext().equals("Even though") • | yytext().equals("Nevertheless") • | yytext().equals("nevertheless")) • tokenID = sym.BUT; • … • }

  20. NLR (cont’d) • paragraph ::= statementList • statementList ::= statementList statement | statement • statement ::= facts:fs endmark {: parser.kg.addFacts(parser.kb, fs); :} | rule:r endmark {: parser.kg.addRule(parser.kb, r); :} | error endmark

  21. NLR (cont’d) • concept ::= concept ID | ID • facts ::= facts ANDOP fact | fact • conjunctedConcepts ::= conjunctedConcepts COMMA concept

  22. NLR (cont’d) • fact ::= conjunctedConcepts IS concept | conjunctedConcepts IS concept OF conjunctedConcepts | conjunctedConcepts DO ID conjunctedConcepts … • rule ::= IF facts THEN facts | IF facts THEN facts ELSE facts

  23. Planner • class Planner • Fact[] addQueries(KnowledgeBase kb, Vector premises);

  24. Example • C:\...\code>java ITS • (0: load, 1: save, 2: learn, 3: teach, 4: exit) ? 2 • West and is American. • East is criminal & East did sell sugar to China. • sugar is food. • China is hostile. • Scud, DaePoDong and Patriot are missile & Axe and Knife, Sasimi are weapon. • Nono is enemy of America. • West did sell Scud to Nono. • if _x is missilethen _x is weapon. • if _x is enemy of Americathen _x is hostile. • if _x did sell _y to _z & _x is American & _y is weapon & _z is hostilethen _x is criminal.

  25. Example (cont’d) • *** Contents of Knowledge Base *** • Facts: • West is American • ... • Scud is missile • Axe is weapon • East did sell sugar to China • sugar is food • China is hostile • Nono is enemy of America • West did sell Scud to Nono • Rules: • ( missile ) => weapon • ( enemy ) => hostile • ( sell American weapon hostile ) => criminal • (0: load, 1: save, 2: learn, 3: teach, 4: exit) ? 1

  26. Example (cont’d) • (0: load, 1: save, 2: learn, 3: teach, 4: exit) ? 3 • West is criminal. • On Concept: West • On Relation: • West is American • On Relation: • West did sell Scud to Nono • ... • Iteration 0: • Scud is missile • *** On ConnectPremise *** • ( missile ) => weapon • *** Newly Derived Fact *** • Scud is weapon

  27. Example (cont’d) • On Concept: America • Newly Added: • Nono is enemy of America • Iteration 0: • Nono is enemy of America • *** On ConnectPremise *** • ( enemy ) => hostile • *** Newly Derived Fact *** • Nono is hostile • ...

  28. Example (cont’d) • Iteration 0: • West did sell Scud to Nono • West is American • Scud is weapon • Nono is hostile • *** On ConnectPremise *** • ( sell American weapon hostile ) => criminal • *** Newly Derived Fact *** • West is criminal • ... • On Relation: • West is criminal • ** TrulyAccepted ** • West is criminal • ALL TRUE • (0: load, 1: save, 2: learn, 3: teach, 4: exit) ? 4 • C:\...\code>