機械学習技術 関係データ学習 Clojure デジタルトランスフォーメーション技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 確率的生成モデル アルゴリズム 本ブログのナビ
推論技術について
以前述べたように、推論手法には、ある文や命題の集まりから別の命題を導く演繹法と、演繹方以外の推論手法として、帰納法、投射法、類比法、アブダクション法の4つの非演繹法がある。推論とは基本的には様々な事実の関係性をたどる手法だと定義することができる。
それらを見つけるアルゴリズムとして、古典的なアプローチとしては、前向き推論と後ろ向き推論がある。また機械学習的なものとしては、関係性を求める関係学習、決定木を用いたルール推論、シーケンシャルパターンマイニング、あるいは確率的生成手法等様々なアプローチがある。
推論技術は、そのような様々な手法、アルゴリズムを組み合わせてユーザーの望む推論結果を得る技術であり、本ブログではそれらについて以下のように述べている。
実装
ケースベース推論は、過去の問題解決の経験や事例を参照し、類似の問題に対して適切な解決策を見つける手法となる。ここでは、このケース推論技術の概要と課題及び様々な実装について述べている。
ナレッジグラフは、情報を関連性のあるノード(頂点)とエッジ(つながり)の集合として表現するグラフ構造であり、異なる主題やドメインの情報を結び付け、その関連性を可視化するために使用されるデータ構造となる。ここではこのナレッジグラフの自動生成に関して様々な手法での概要とpythonによる具体的な実装について述べている。
ナレッジグラフは、情報を関連性のあるノード(頂点)とエッジ(つながり)の集合として表現するグラフ構造であり、異なる主題やドメインの情報を結び付け、その関連性を可視化するために使用されるデータ構造となる。ここではこのナレッジグラフの様々な活用事例とpythonによる具体的な実装例について述べる。
- 一般問題解決器と適用事例、LISPとPythonによる実装例
一般問題解決器は、具体的には、問題の記述や制約条件を入力として受け取り、最適な解や有効な解を見つけるためのアルゴリズムを実行する動作をとる。これらのアルゴリズムは、問題の性質や制約に応じて異なり、一般的な問題解決手法では、数値最適化、制約充足、機械学習、探索アルゴリズムなど様々なものがある。ここでは、このGPSに関して、LISPとPythonによる実装例について述べている。
chatbotの進化系の一つであるエキスパートシステムについて述べている。エキスパートシステムはルール知識と呼ばれるデータを組み合わせることで、フレキシブルなif/thenルールシステムを構築するシステムとなる。基本的にはAI言語の一つであるPrologやLispをベースに構築されていたが、ここではJavaで構築されたCLIPSについて実際にツールをダウンロードして利用するまでを紹介している。
教育分野やオンライン学習プラットフォームなどのさまざまな領域で、自然言語処理（NLP）を活用したユーザーにカスタマイズされた学習支援が提供されている。ここでは、それらに用いられる様々なアルゴリズムと具体的な実装について述べている。
- Clojureでのエキスパートシステム Clara RuleとRete4Frame
- Clara Ruleによるエキスパートシステム(1) 基本的な使い方
- Clara Ruleによるエキスパートシステム(2) 応用
命題論理の充足可能性判定問題 (SAT: Boolean Satisfiability) とは、与えられた命題論理式が真となる変数の割り当てが存在するかどうかを判定する問題となる。例えば、「A かつ (B または C) かつ (D または E または F) が真であるような A, B, C, D, E, F の割り当てが存在するかどうか」という問題があった場合、これを命題論理式に変換し、その式が充足可能かどうかを判定するものとなる。
このような問題設定は、例えば、回路設計やプログラム解析、人工知能分野の問題、暗号理論など、多くの応用分野で重要な役割を果たしている。理論的な側面で見ると、SAT問題が解けるアルゴリズムは、「NP完全問題」であることが知られており、現在のコンピュータでは大規模な問題に対しては効率的な解法が見つかっていない。そのため、高速化や、ヒューリスティック探索アルゴリズムの開発などアルゴリズム効率化の為の研究が現在も行われている分野の技術となる。
オントロジーを用いたプロダクトデザインとオブソールセンスマネジメントにおけるデータ統合と意思決定のシステムの実装は、複雑な情報を効率的に管理し、意思決定をサポートするための方法となる。
推論技術概要
- 推論のパターン
- 数理統計学と確率的手法の観点からの推論
- その理屈証明できますか?
本書は、2011年7月にスペインのバルセロナで開催された第5回ルールに関する国際シンポジウム「RuleML 2011 – Europe」の査読付きプロシーディングスである。これは、2011年に開催される2つのRuleMLイベントのうちの最初のもので、2回目のRuleMLシンポジウム – RuleML 2011 – America は、2011年11月に米国フロリダ州フォートローダーデールで開催されている。今回発表された18編のフルペーパー、8編のショートペーパー、3編の招待論文、および2編の基調講演のアブストラクトは、58編の応募の中から厳選されたものです。論文は、ルールベースの分散／マルチエージェントシステム、ルール、エージェント、規範、ルールベースのイベント処理と反応ルール、ファジィルールと不確実性、ルールとセマンティックWeb、ルールの学習と抽出、ルールと推論、ルールベースのアプリケーションというテーマ別に構成されている。
本書は、2011年8月にアイルランドのゴールウェイで開催された第5回Web Reasoning and Rule Systems国際会議RR 2011の査読付きプロシーディングスである。本書は、2011年8月にアイルランドのゴールウェイで開催された第5回Web Reasoning and Rule Systems国際会議RR 2011の査読付きプロシーディングスであり、フルペーパー13編、ショートペーパー12編、招待講演2編を収録している。論文では、セマンティックWebの最新のトピック、RDFやOWLなどのよく確立されたWeb言語と古典的な推論アプローチの間の相互作用、推論言語、クエリと最適化、ルールとオントロジーを扱っている。
古典的推論(エキスパートシステム)
chatbotの進化系の一つであるエキスパートシステムについて述べている。エキスパートシステムはルール知識と呼ばれるデータを組み合わせることで、フレキシブルなif/thenルールシステムを構築するシステムとなる。基本的にはAI言語の一つであるPrologやLispをベースに構築されていたが、ここではJavaで構築されたCLIPSについて実際にツールをダウンロードして利用するまでを紹介している。
- 後ろ向き推論と前向き推論 概要
- Clojureでのエキスパートシステム Clara RuleとRete4Frame
- Clara Ruleによるエキスパートシステム(1) 基本的な使い方
- Clara Ruleによるエキスパートシステム(2) 応用
充足可能性問題(SAT)
命題論理の充足可能性判定問題 (SAT: Boolean Satisfiability) とは、与えられた命題論理式が真となる変数の割り当てが存在するかどうかを判定する問題となる。例えば、「A かつ (B または C) かつ (D または E または F) が真であるような A, B, C, D, E, F の割り当てが存在するかどうか」という問題があった場合、これを命題論理式に変換し、その式が充足可能かどうかを判定するものとなる。
このような問題設定は、例えば、回路設計やプログラム解析、人工知能分野の問題、暗号理論など、多くの応用分野で重要な役割を果たしている。理論的な側面で見ると、SAT問題が解けるアルゴリズムは、「NP完全問題」であることが知られており、現在のコンピュータでは大規模な問題に対しては効率的な解法が見つかっていない。そのため、高速化や、ヒューリスティック探索アルゴリズムの開発などアルゴリズム効率化の為の研究が現在も行われている分野の技術となる。
有効グラフの頂点の部分集合Sが「任意の2頂点u,vをとったとき、uからvに到達できる」という条件を満たしている時、Sは強連結であると言う。頂点の強連結な集合Sに、他のどの頂点集合を付け加えても強連結にできないとき、Sを強連結成分(SCC:Strongly Connected Component)と言う。どんな有向グラフもいくつかの強連結成分の、共通部分をもたない和集合に分解することができる。これを強連結成分分解と呼ぶ。強連結成分を一つの頂点につぶすことで、DAG(閉路を持たない有向グラフ)となる。
論理式が与えられた時に、その論理変数に適切に真偽値を割り振ることによって、全体の真偽値を真とすることができるかを判定する問題を充足可能性問題(SAT)という。SATを解くことは一般にはNP完全だが論理式の形に制約がある場合には効率的に解くことも可能となる。
根付き木に対し、その頂点u,vの共通の祖先で最も近いところにあるものをuとvのLCA(Lowest Common Ancestor)と言う。LCAを効率的に求める手法にはさまざまなものがあるが、ここでは2種類の方法について述べる。
- 制約プログラミング入門
- SATソルバーの最新動向と利用技術
-
TheArt of Computer Programming Volume 4, Fascicle 6: Satisfiability
不確実性の推論
この論文では、共通のものを作るという問題を扱います。ドメインオントロジーの知識体系を構築することで、ドメインオントロジーの を共有し、協調的なフレームワークで統合する。我々は、新しい 概念ファジー集合表現のための階層的アルゴリズム 参照オントロジー 本来の概念表現とは対照的にインスタンスに基づくファジィ論理推論の手法を適用し、その程度を特徴づけ、測定することが可能となる。異なるオントロジーの概念間に存在する関係性。本論文では、マルチメディア領域における本アプローチの応用例を紹介する。
ウェブデータは不確実性が高いことが多い。我々はカテゴリカルなウェブデータに注目し、これらの不確実性のレベルを1次または2次の不確実性として表現する。具体的な例として、ベータ二項モデルやディリクレ多項モデルを用いて、これらの不確実性をどのように定量化し、扱うか、また サンプルに含まれる未知のカテゴリーを考慮するために、ディリクレ 処理します。
標準的なセマンティック技術は、知識表現のための強力な手段であると同時に、現代のアプリケーションに強化された推論能力を提供する。しかし、実世界に内在する不確実性をどのように扱うかという問題は、依然として大きな欠点と考えられている。そのため、これらの技術を不確実な世界の表現に適応させることが必要である。ここでは、この問題を、オントロジーのアサーション知識における不確実性をモデル化し、推論するために、証拠理論を通して検討する。デンプスター・シェーファー理論としても知られる証拠理論は、確率の拡張であり、特定の仮説の集合に質量を割り当てることを提案するものである。さらに、仮説に関連するセマンティクス（階層構造、制約公理、オントロジーで定義された特性）のおかげで、この数学的理論が提供する情報と決定プロセスの古典的な組み合わせを適用するために、この理論の一貫したフレームが自動的に作成される。
我々は、確率的記述論理P-SROIQで記述された乳癌オントロジー（の一部）を設計し、多様な方法で記述された統計的実験結果の整合性を判定することを支援する。主な貢献は、近似の無矛盾性が統計的無矛盾性を意味するようなサンプリング分布の近似方法である。連続分布
有限残差格子に基づく意味論を持つファジィ論理ALCIを考察する。この論理における概念の充足性と包含の問題は、一般的なTBoxに関してはExpTime-complete、非周期的なTBoxに関してはPSpace-completeであることが示された。これはクリスプALCIにおける推論の既知の複雑さの境界と一致する。
- Learning Terminological Na¨ıve Bayesian Classifiers Under Different Assumptions on Missing Knowledge
セマンティックウェブ標準によって得られる知識は、一般にオープンワールド仮定（すなわち、アサーションの真理値は必ずしも知られていない）を採用しているため、容易に欠落することがある。しかし、オントロジーの特徴である豊富な関係構造を利用することで、このような知識の欠落を明示的に扱うことができる。本論文では、記述ロジックの概念集合に含まれる一般的な個体が対象概念に属する確率を推定する、統計的関係学習システム（ベイズ型分類器）を紹介する。学習過程では、オープンワールド仮定を採用することによって生じる知識の不足を、その性質の違いによって一貫して処理する。を、その知識自体が欠落しているのです。
本論文では、確率論的論理プログラムの分布意味論に基づく確率論的オントロジーの意味論DISPONTEを提案する。DISPONTEでは、確率的オントロジーの各公理は確率で注釈される。このように確率論は、ある公理をアノテーションで与えられた確率でワールドに 含めることによって得られる通常の理論（ワールドと呼ぶ）に対する分布を定義してい る。クエリの確率は、この分布からマージナル化によって計算される。また、DISPONTEセマンティクスに基づく確率論的OWL DLオントロジーを推論するシステムBUNDLEを紹介する。BUNDLEはPelletをベースにしており、クエリに対する説明を返すというPelletの機能を利用している。説明文はバイナリ決定図で表現され、そこから の確率が計算される。
ネットワークにおけるノード間の潜在的なリンクを予測することは、実用上非常に関心の高い問題である。リンク予測はグラフベースの特徴量に基づくものがほとんどであり、最近ではドメインのセマンティクスを考慮したアプローチもある。しかし、これらの予測には不確実性が存在する。これをモデル化することで、予測結果を改善することができる。本論文では、確率的記述論理crALCで記述された確率的オントロジーを用いたリンク予測アルゴリズムを提案する。
本論文では、RDFに基づく共有知識表現について概説する。これは、分散型マルチテナント環境において、設計知識を保存するために使用することができる。これらのRDF-グラフは、特定の問題解決ケースのベイジアンネットワーク表現をインスタンス化するために必要なすべての情報を含んでおり、リードの認定中に営業担当者が行う概念設計タスクをサポートするために使用される。
このポジションペーパーでは、対数線形記述論理とその応用について簡単にまとめている。また、確率的記述論理が実際に有用であるために必要な5つの要件をまとめた。我々は、対数線形記述論理がどのような 記述論理はこれらの要件に答えるものである。
本ポジションペーパーでは、オントロジー定義プロセスに基づき、アノテーションの可能性（不正確さ）に関する知識を用いて情報抽出器を開発するための対話的アプローチを提案する。また、確率的な依存関係を管理・操作する問題についても議論する。
- Pushing the Boundaries of Tractable Ontology Reasoning
- Effective Computation of Maximal Sound Approximations of Description Logic Ontologies
- Abstraction Refinement for Ontology Materialization
- Goal-Directed Tracing of Inferences in EL Ontologies
- Assisting the RDF Annotation of a Digital Humanities Corpus using Case-Based Reasoning (In-Use) (事例ベース推論を用いた人文系デジタルコーパスのRDFアノテーションの支援)
- Reasoning Engine for Prescriptive Maintenance (In-Use) (プリスクリプティブ・メンテナンスのための推論エンジン)
- Computing Compliant Anonymisations of Quantified ABoxes w.r.t. EL Policies (Research)
本書は、2005年、2006年、2007年にISWCで開催されたUncertainty Reasoning for the Semantic Web (URSW)の最初の3ワークショップの議事録である。ここでは、ワークショップで発表された論文の改訂版および大幅な拡張版に加え、この分野および関連分野の第一人者による招待論文を収録している。
本書は、セマンティックWebの文脈における不確実性推論への最先端の研究アプローチを初めて包括的にまとめたものであり、不確実性の異なるモデルや、不確実な形式知を用いた演繹的推論および帰納的推論へのアプローチを捉えている。
本書は「Uncertainty Reasoning for the Semantic Web」に関する第2巻であり、2008年、2009年、2010年にInternational Semantic Web Conference (ISWC) で開催されたUncertainty Reasoning for the Semantic Web (URSW) に関するワークショップ、あるいは2010年のFirst International Workshop on Un- certainty in Description Logics (UniDL) で提示されたパスの改訂および大幅な拡張版である。
この2冊は、セマンティックWebの文脈における不確実性推論への最先端の研究アプローチを包括的にまとめたもので、不確実性の異なるモデルや、不確実な形式知による帰納的推論と同様に帰納的推論へのアプローチを捉えている
- Uncertainty Reasoning for the Semantic Web 3論文集より
今回はUncertainty Reasoning for the Semantic Webの第3巻について述べる。今回はそれら不確実性へのアプローチとして以下のように分類している。(1)確率論的モデルおよびデンプスター・シェイファーモデル、(2)ファジィモデル、可能性モデル、(3)帰納的推論と機械学習、(4)ハイブリッド・アプローチ
解集合プログラミング
1970年代初頭に開発された論理型プログラミング言語Prologは、述語論理に基づく宣言的記述と定理証明に基づく計算手続きを併せ持つ新しい人工知能言語として注目され、1980年代にはエキスパートシステム、自然言語処理、演算データベースなどに幅広く有用されている。
Prologはチューリング完全で高い計算能力を持つ一方で、そのベースとなるホーン節論理プログラムは構文上の制約や推論能力の不足により、現実の知識表現や問題解決への適用は限定的であることも明らかになっている。
こうした問題を解決するために、論理プログラミングの表現能力を拡張し、推論機能を強化するための試みが1980年代後半から数多く提案されている。その結果1990年代後半から、論理プログラミングと制約プログラミングの概念を融合した解集合プログラミング(answer set programming)の概念が確立され、現在では論理プログラミングの中心的な言語の一つになっている。
Inductive Logic Programming
2008年9月10日から12日にかけて、プラハで第18回帰納論理プログラミング国際会議が開催された。ILPコミュニティは明らかに、愛着のある一階論理表現のフレームワークを大切にし続けているが、ILP2008で発表された研究は、逆包含関係などの確立されたILPアプローチの拡張と、ブレイブ誘導などの新しい論理誘導フレームワークの探求の両方にまだ余地があることを示し、さらに統計的関係学習、グラフマイニング、セマンティックウェブ、バイオインフォマティクス、認知科学の領域にまで広がっている。
ILPカンファレンスシリーズは、ほぼ20年にわたり、論理ベースの機械学習へのアプローチに関する研究の第一級のフォーラムとして開催されてきました。2009年7月2日から4日にかけてルーヴェンで開催された第19回帰納論理プログラミング国際会議もこの伝統を受け継ぎ、 SRL-2009 – International Workshop on Statistical Relational Learning、 MLG-2009 – 7th International Workshop on Mining and Learning with Graphsと併催され、他のコミュニティにも開かれた会議となりました。これら3つのイベントは、それぞれ独自の焦点、強調点、伝統を持っていますが、基本的には、グラフ、関係記述、論理の形で構造化されたデータについての学習という問題を研究対象として共有しています。このように、3つのコミュニティ間の交流を深めるために、イベントの同時開催が行われました。
今回は、2010年6月27日から30日にかけてイタリアのフィレンツェで開催された第20回帰納論理プログラミング国際会議（ILP2010）の改訂論文について述べている。
ILPカンファレンスシリーズは1991年に始まり、論理ベースの機械学習へのアプローチに関する国際的な一大イベントとなる。近年では、統計的学習や他の確率的アプローチとの融合が模索され、研究の幅が大きく広がっている。
2011年7月31日から8月3日まで、英国のCumberland Lodgeにて、Imperial College LondonのDepartment of Computingの後援のもと開催された。ILP2011について述べる。
31件のプロシーディングスの論文は、ILPの理論、実装、確率的ILP、生物学的応用、部分群発見、文法推論、関係カーネル、ペトリネット学習、空間学習、グラフベース学習、行動モデルの学習など、現在のILP研究の多様性と活力を象徴しているものとなっている。
2012年9月17日から19日にドブロヴニクで開催された第22回帰納論理プログラミング国際会議ILP 2012について述べてる。ILPカンファレンスシリーズは1991年に始まり、構造化されたデータからの学習に関する主要な国際フォーラムである。当初は論理プログラムの帰納に焦点を当てたものだったが、近年はその範囲を広げ、多くの注目と関心を集めている。現在では、論理学習、多枝関係学習、データマイニング、統計的関係学習、グラフ・木構造マイニング、関係強化学習など、構造化データからの学習に関するあらゆる側面に焦点を当てている。
ILP2012の論文では、命題化、論理的基礎、実装、確率的ILP、ロボット工学・生物学への応用、文法推論、空間学習、グラフベース学習など、現在のILP研究の幅広さをよく表している。
ILP 2016は、2016年9月4日から6日の間、ロンドンのWarren House Conference Centreで開催された。1991年の第1回以来、毎年開催されるILPカンファレンスは、構造化された関係データからの学習に関する第一級の国際フォーラムとして機能してきた。当初は論理プログラムの帰納に焦点を当てていたが、長年にわたり研究の視野を大きく広げ、論理における学習、多関係データマイニング、統計的関係学習、グラフと木のマイニング、他の（非命題）論理ベースの知識表現の枠組みにおける学習、統計学習との交差の探求、他の確率的アプローチなどのあらゆる側面に関する貢献している。これらの分野での理論的な進歩は、バイオインフォマティクス、医学、テキストマイニングなどの分野における重要な問題へのこれらの技術の挑戦的な応用も伴っている。
2017年9月にフランスのオルレアンで開催された第27回帰納論理プログラミング国際会議ILP2017について述べる。内容としては、ロボット制御、知識ベースと医療、画像認識における統計的機械学習、関係学習、ロジックベースのイベント認識システム、リレーショナルデータからボルツマンマシン分類器を学習する問題、並列帰納論理プログラミング、解釈遷移（LFIT）からの学習、Lifted Relational Neural Networks (LRNN) 、WOrd2Vecの改善について述べる。
帰納論理プログラミング（ILP）は機械学習のサブフィールドであり、例、背景知識、仮説を表現するための統一された表現言語として論理プログラミングに依存している。一階述語論理に基づくその強力な表現形式により、ILPは多関係学習とデータマイニングのための優れた手段を提供する。
1991年に開始されたILP会議シリーズは、構造化または半構造化されたリレーショナルデータから学習するための最高の国際フォーラムとなる。もともとは論理プログラムの導入に焦点を当てていたが、長年にわたって研究範囲を大幅に拡大し、論理、多関係データマイニング、統計的関係学習、グラフおよびツリーマイニング、その他の学習（非-提案）論理ベースの知識表現フレームワーク、統計的学習およびその他の確率論的アプローチに対する研究が報告されている。
今回は2019年9月3-5日にブルガリアのプロブディフで開催た第29回帰納論理プログラミング国際会議について述べる。
帰納論理プログラミング（ILP）は機械学習のサブフィールドであり、例、背景知識、仮説を表現するための統一された表現言語として論理プログラミングに依存する。一階述語論理に基づくその強力な表現形式により、ILPは多関係学習とデータマイニングのための優れた手段を提供する。
1991年に開始されたILP会議シリーズは、構造化または半構造化されたリレーショナルデータから学習するための最高の国際フォーラムとなる。もともとは論理プログラムの導入に焦点を当てていたが、長年にわたって研究範囲を大幅に拡大し、論理、多関係データマイニング、統計的関係学習、グラフおよびツリーマイニング、その他の学習（非-提案）論理ベースの知識表現フレームワーク、統計的学習およびその他の確率論的アプローチとの交差点を調査している。
今回はコロナパンデミックの影響で一年スキップされたILP2021について述べる。帰納論理プログラミング（ILP）は、機械学習の一分野であり、関係データから論理表現を学習することに重点を置いている。ILPカンファレンスシリーズは1991年に開始され、構造化または半構造化された関係データからの学習、多関係学習、データマイニングに関する主要な国際フォーラムである。当初は論理プログラムの帰納に焦点をあてていたが、長年にわたり研究の視野を大きく広げ、論理学習、統計的関係学習、グラフと木のマイニング、他の（非命題）論理ベースの知識表現フレームワークの学習、統計学習や他の確率的アプローチとの交差の探求など、あらゆる側面からの研究となる。
学会論文
今回は、2005年7月25日から29日にかけて開催されたサマースクール「Reasoning Web」(http://reasoningweb.org)のチュートリアルペーパーを収録している。このスクールの目的は、World Wide Web Consortium W3Cが重要な役割を果たしている、現在のWeb研究の主要な試みであるセマンティックWebの手法と問題点について紹介することとなる。
セマンティックウェブの主な考え方は、データの「意味」を伝えるメタデータでウェブデータを豊かにし、ウェブベースのシステムがデータ（とメタデータ）について推論できるようにすることとなる。セマンティックウェブアプリケーションで使用されるメタデータは、通常、異なるアプリケーションで共有されるアプリケーションドメインの概念にリンクされている。このような概念化はオントロジーと呼ばれ、オブジェクトのクラスとそれらの間の関係を規定する。オントロジーは、論理学に基づき、形式的な推論をサポートするオントロジー言語によって定義される。現在のウェブがデータフォーマットとデータセマンティクスにおいて本質的に異質であるように、セマンティックウェブはその推論形態において本質的に異質となる。つまり、セマンティックウェブでは単一の推論形式では不十分であることが判明している。例えば、一般にオントロジー推論は単調な否定に依存するが、データベース、ウェブデータベース、ウェブベースの情報システムは非単調な推論を要求している。時間を扱うには制約推論が必要である（時間間隔が扱われるため）。トポロジーを用いた推論、例えば、モバイルコンピューティングのアプリケーションでは、計画法が必要となる。一方、（前方および後方）連鎖は、データベースのようなビューを扱う推論である（ビュー、すなわち、仮想データは、結合や投影などの操作によって、実際のデータから導出することができるため）。
今回は、2006年9月4日から6日にかけてリスボンで開催されたリスボン新大学（Universidade Nova de Lisboa）主催のサマースクール「Reasoning Web 2006」（http://reasoningweb.org）について述べる。推論はセマンティックウェブの研究開発において中心的な課題の一つである。実際、セマンティックウェブは、セマンティクスを運ぶ「メタデータ」と推論手法によって、今日のウェブを強化することを目的としている。セマンティックウェブは、学術界と産業界の両方が関与する非常に活発な研究開発分野である。
サマースクール「推論Web2006」のプログラムでは、以下のような問題を扱います。(1)セマンティックウェブ問合せ言語、(2)セマンティックウェブのルールとオントロジー、(3)バイオインフォマティクスと医療オントロジー – 産業的側面
Reasoning Webは、Web of Semanticsにおける推論の理論的基礎、最新のアプローチ、および実用的な解決策に焦点を当てたサマースクールシリーズとなる。今回は2007年9月にドイツ・ドレスデンで開催されたReasoning Web summer school 2007のチュートリアルノートとなる。
2007年版の第1部は「推論と推論言語の基礎」で、ルールベースの問合せ言語の概念と方法について調査している。さらに、記述論理とその利用法についても包括的に紹介されている。第2部の “Rules and Policies “では、リアクティブルールとルールベースのポリシー表現が扱われている。Webにおけるルール交換の重要性と有望な解決策について、現在のW3Cの取り組みに関する概要とともに、徹底的な議論が行われている。第3部「セマンティックWeb推論の応用」では、セマンティックWeb推論の実用的な使用方法を示す。学術的な視点は、セマンティックウィキにおける推論に関する寄稿によって提示される。また、産業界の視点として、セマンティック技術の重要性を、企業向け検索ソリューション、セマンティックWiki表現による企業内知識ベースの構築、B2BシナリオにおけるセマンティックWebサービスの発見と選択、などの寄稿で紹介している。
Reasoning Webサマースクールは、セマンティックWebの基礎的・応用的側面に関心を持つ学術界・産業界の専門家や博士課程の学生が参加する、定評のあるイベントである。今回は、2008年9月にイタリアのベニスで開催された第4回サマースクールの講義録である。最初の3つの章は、(1)セマンティック情報をエンコードするために採用された言語、形式、および標準、(2)マルチメディアやソーシャルネットワークアプリケーションなどのコンテキストで有用な “ソフト “拡張機能、(3)オントロジーのオーサリングをエンドユーザーに近づけるための制御された自然言語技術と入門的な内容となっており、残りの章では、ソーシャルネットワーク、セマンティックマルチメディアの索引付けと検索、バイオインフォマティクス、セマンティックウェブサービスなどの主要な応用分野を取り上げている。
セマンティックウェブは、応用計算機科学における現在の主要な試みの一つである。セマンティックウェブの目的は、既存のウェブをメタデータと処理方法で強化し、ウェブベースのシステムに高度な（いわゆる知的）機能、特にコンテキスト認識と意思決定サポートを提供することである。
セマンティックウェブアプリケーションのシナリオで必要とされる高度な能力は、主に推論を必要とする。推論機能は、現在開発中のセマンティックWeb言語によって提供される。しかし、これらの言語の多くは、機能中心（例：オントロジー推論、アクセス検証）またはアプリケーション中心（例：Webサービス検索、合成）の観点から開発されている。セマンティックウェブシステムとアプリケーションには、上記の活動を補完する推論技術を中心とした視点が望ましい。
今回は、ドレスデンで開催されたReasoning Web 2010について述べる。Reasoning Webは、Web of Semanticsにおける推論の理論的基礎、現代的アプローチ、および実用的なソリューションに関するサマースクールシリーズで、本書は、2010年8月30日から9月3日にかけて開催された第6回スクー ルのチュートリアルノートとなる。
今回は、セマンティック技術のソフトウェア工学への応用と、それに適した推論技術に焦点を当てる。ソフトウェア工学における意味技術の応用はそう簡単ではなく、ソフトウェアモデリングに推論を適用するためには、いくつかの課題を解決しなければならない。
今回は、2011年8月23日～27日にアイルランドのゴールウェイで開催された第7回Reasoning Web Summer School 2011について述べる。Reasoning Web Summer Schoolは、Web上での推論技術の応用の分野で確立されたイベントであり、既存の研究者の科学的な議論を対象とし、この新しい分野に若い研究者を引きつけるものである。
2011年のサマースクールでは、「Web of Data」に対する推論の応用を中心に、12の講義を行った。最初の4章では、RDF（Resource Description Framework）とLinked Dataの原理（1章）、OWL（Web Ontology Language）の基礎となる記述論理（2章）、問い合わせ言語SPARQLとOWLとの併用（3章）、効率的でスケーラブルなRDF処理に関連するデータベース基盤（4章）を紹介し、第5章ではLinked Data上でスケーラブルなOWL推論を行うためのアプローチ、続く6章ではWeb推論に関連するルールと論理プログラミング技術、7章では特にルールベース推論とOWLの組み合わせについて述べた。
今回は、2012年9月3日から8日にかけてオーストリアのウィーンで開催された第8回Reasoning Web Summer School 2012について述べる。Reasoning Web Summer Schoolシリーズは、Webにおける推論技術の活発な分野における主要な教育イベントとなっており、若手から熟練した研究者までが参加している。
2012年のサマースクールでは、「Webにおける高度なクエリ応答」という一般的なモチーフのもと、プログラムが組まれた。また、セマンティックWebに関連した、クエリ応答が重要な役割を果たすアプリケーション分野や、その性質上、クエリ応答に新たな課題や問題をもたらす分野にも焦点を当てている。
今回は、2013年7月30日から8月2日までドイツのマンハイムで開催された第9回Reasoning Web Summer School 2013について述べる。
2013年のサマースクールでは、RDFのような拡張性のある軽量な形式から、記述論理に基づくより表現力の高い論理言語まで、Web推論のさまざまな側面を取り上げられ、また、アンサーセットプログラミングやオントロジーに基づくデータアクセスで用いられる基礎的な推論技術や、地理空間情報の取り扱いや推論駆動型情報抽出・統合などの新しいトピックも取り上げられている。
今回は、2014年9月8日から13日にかけてギリシャのアテネで開催された第10回Reasoning Web Sum- mer School (RW 2014)について述べる。
今回のテーマは“ビッグデータ時代のWeb上の推論 “となる。センサー、ソーシャルネットワークプラットフォーム、スマートフォンなどの新しい技術の発明により、組織は従来利用できなかった膨大な量のデータを利用し、社内の独自データと組み合わせることができるようになった。同時に、テラバイト、ペタバイト級のデータを扱うデータマネジメントや知識発見技術の実現を可能にする基盤技術（弾力的なクラウドコンピューティング基盤など）も大きく進展している。このような産業界の現実を反映し、セマンティックWebやLinked Dataなどのビッグデータの側面における最近の進歩や、ビッグデータ応用に取り組むための推論技術の基礎を紹介している。
今回は、2015年7月31日から8月4日までドイツ・ベルリンで開催された第11回Reasoning Webサマースクール（RW 2015）のために作成されたチュートリアル論文について述べる。2015年版のスクールは、ドイツ・ベルリン自由大学コンピューターサイエンス研究所と英国・ハダスフィールド大学コンピューター工学部主催で開催された。2015年は、”Web Logic Rules “(Semantic Web、Linked Data、オントロジー、ルール、ロジックに関する知見)がテーマとなる。
今回は2016年9月5日から9日まで英国アバディーンで開かれた第12回Reasoning Webサマースクール(RW2016)について述べる。内容としては知識グラフ、リンクデータ、セマンティクス、ファジーRDF、OWL知識ベースの構築とクエリのための論理的基礎をカバーしている。
今回は、2017年7月に英国ロンドンで開催された第13回Reasoning Webについて述べる。今回のテーマは「Web上のセマンティック相互運用性」であり、データ統合、オープンデータ管理、リンクデータ上の推論、データベースとオントロジーのマッピング、オントロジー上のクエリー回答、ルールとオントロジーによるハイブリッド推論、オントロジーに基づく動的システムといったテーマを包含している。今回は、これらのトピックを中心に、アンサーセットプログラミングやオントロジーで用いられる推論の基礎的な技術も取り上げている。
今回は2018年9月にルクセンブルグEsch-sur-Alzetteで開催された第14回Reasoning Webについて述べる。具体的な内容としては、規範推論、テキストコーパスと知識ベースを組み合わせた効率的な検索に関するクイックサーベイ、大規模な確率論的知識ベース、条件付き確率場（Conditional Random Fields）を知識ベースの生成タスクに適用する方法、DBpediaやWikidataのような大規模なクロスドメイン知識グラフ、大規模な知識グラフ（KG）の自動的な構築と知識グラフからルールの学習、巨大なRDFグラフの処理、Web環境でのストリーム処理アプリケーションの開発、非常に大規模な知識ベースに対する推論について述べる。
今回は2019年9月にイタリアBolzanoで開催された第15回Reasoning Webについて述べる。今回はExplainable AIの話題を中心に、記述論理を使ったオントロジーに対する主な推論・説明手法であるタブロー手続きと公理ピンポイントアルゴリズムについて、詳細な説明と分析、知識ベースに対する意味的問合せ応答、データ・プロベナンシング、エンティティ中心の知識ベース応用、格子理論によってデータを説明するアプローチである形式的概念分析、データから解釈の可能なモデルの学習、命題の充足可能性のような論理問題、制約充足のような離散問題、そして、本格的な数学的最適化課題の学習、分散コンピューティングシステム、説明可能なAIプランニングについて述べる。
今回は2020年6月にコロナの影響を受けてバーチャルでの開催となった第16回Reasoning Webつにいて述べる。メインのテーマは“Declarative Artificial Intelligence”(宣言型人工知能)となる。具体的な内容としては、軽量記述論理（DL）オントロジー説明可能なAI（XAI）、ストリーム推論、解集合プログラミング(ASP)、データ解析のための最近の宣言型問合せ言語であるリミット・データログ、知識グラフに関連するハイレベルな研究の方向性と未解決の問題の概要について述べる。
今回は20219月にベルギーのLeuvenで開催された第17回Reasoning Webについて述べる。具体的な内容としては、グラフ構造データの問い合わせに関する基礎、記述論理に基づくオントロジー言語と非単調ルール言語を用いた推論、記号的推論と深層学習の融合、セマンティックウェブとナレッジグラフと機械学習、ビルディング・インフォメーション・モデリング（BIM）、地理空間リンクされたオープンデータ、オントロジー評価技術、計画エージェント、クラウドベースの電子カルテ（EHR）システム、COVIDのパンデミック管理、Belief Revisionと記述論理への応用とOntology Repair、時間均衡論理（TEL）とその解集合プログラミング（ASP）への応用、RDFデータ検証のためのW3C勧告言語であるShapes Constraint Language (SHACL)の紹介とレビュー、データベースにおけるクエリの回答や機械学習における分類モデルからの結果に対するスコアベースの説明について述べる。
コメント
[…] 前述のprologやcore.logicでの推論は、後ろ向き推論と呼ばれるものとなる。後ろ向き推論とは、目標から副目標を導く推論となる。前提A=Bから目標A=Cを導く時「A=Cを証明するためには、A-BであるからB=Cを示せば良い」と副目標(B=C)を導くものとなる。 […]
[…] 前回述べた様々な事実の関係性をたどる手法(推論パターン)には、ある文や命題の集まりから別の命題を導く演繹法と、演繹方以外の推論手法として、帰納法、投射法、類比法、アブダクション法の4つの非演繹法がある。 […]
[…] 確率的生成モデルでの推論で用いられるベイズ学習(Bayesian machine learning)の概要について述べる。まず、ベイズ学習では2つのステップで学習が行われる。まずステップ1として、各種離散分布やガウス分布などの確率分布を組み合わせることにより、観測データDと未観測の変数Xの関係性(同時分布p(D,X))を記述する。そして次のステップで構築したモデルに基づいて未観測の変数の条件付き分布 (事後分布 (displaystyle p(X|D)=frac{p(D,X)}{p(D)}))を解析的または近似的に求める。ここで分母の項p(D)はモデルエビデンス(model evidence)あるいは周辺尤度(matginal likelihood)と呼ばれるもので、モデルからデータDが出現する尤もらしさを表す。条件付き確率p(X|D)は離散分布になることもあるし連続分布になることもある。 […]
[…] CEPは複数のソースからなるデータを組み合わせてより複雑な状況を示唆するイベントやパターンを推論するイベント処理となり、上記の例では、1分以内に煙と高温のイベントを受信すると、そのエリアで火災アラートイベントが生成されるようなシステムとなる。(詳細はリンク先参照) […]
[…] 形式科学とは、記号システムで記述される抽象的構造であり、これは数学はものの構造(モデル)を何らかの記号を用いて抽象化し、その抽象化したモデルを使って推論を行うことで結果を導き出すものとなる。 […]
[…] 前回は仮説を推論するための各種推論方法、特に仮説演繹法について述べた。今回はそれら推論した仮説を検証する方法について述べる。 […]
[…] scheme、それらを推論する為のオントロジー、DLP、OWL、RulesとSPARQL、更にその上部としてLogic […]
[…] もう一つは「モデリングとしての機械学習」で、データに関するモデル(仮説)を事前に構築して、それらに含まれるパラメータや構造をデータから推論するものである。モデリングの手法としては、統計的な手法(生成モデル)と、ツールボックス的手法の拡張である深層学習系の2つがあり、いずれの手法もモデルを計算する為の数学的手法を十分に身につける必要があり、ハードルは高いが、適用の自由度は広がる。 […]
[…] エキスパートシステムとはwikiによると「人工知能研究から生まれたコンピュータシステムで、人間の専門家（エキスパート）の意思決定能力をエミュレートするものである[1]。専門家のように知識についての推論によって複雑な問題を解くよう設計されており、通常のプログラミングのようにソフトウェア開発者が設定した手続きに従うわけではない」とある。 […]
[…] イベント処理は、発生した事象(イベント)に関する情報(データ)のストリームを追跡して分析（処理）し、何らかの結論を得る手法である。[1] 複合イベント処理(CEP:Complex Event Procesing)は、複数のソースからのデータを組み合わせ、[2]より複雑な状況を示唆するイベントやパターンを推論するイベント処理である。複合イベント処理のゴールは、意味のあるイベント（例えば何らかの機会または脅威）を明らかにして、[3] できるだけ速やかに対処することである。 […]
[…] 両方のオントロジーに共通するデータセットを直接推論することができない場合、クラス拡張を比較するための近似的な技術を使用することが容易となる。これらの手法は、クラスメンバーの特徴に関する統計的な尺度に基づいていたり、クラスのインスタンス間で計算された類似性に基づいていたり、エンティティセット間のマッチングに基づいていたりしている。 […]
[…] (Mereologic)メレオロジック構造 Taxonomic(分類学的な)構造の次によく知られている構造は、mereologic(部分と全体)構造、つまり、part-of関係に対応する構造となる。BookとVolumeという2つのクラスが等価であることがわかり、それぞれInBookとBookChapterというクラスとの間にmereologicな関係がある場合、この2つのクラスは同様に関係している可能性があることを示唆している。この推論は部分から全体という逆の方向にも当てはまる。これは、個別の部分がある場合、つまりジャーナルIssueの部分がeditporial、article、recesions、lettureに区別される場合としてある。 このような構造を扱う上での難しさは、単なる構造を持つプロパティを見つけるのが容易ではないことなる。例えば、ProceedingsクラスはInProceedingsクラスといくつかのwhole-part関係を持つことができるが、それはproperties communicationsによって表現されるものとなる。これらのInProceedingsオブジェクトは、今度はセクションプロパティで表現される単なる構造を持つことになる。 しかし、単なる構造をサポートする関係を検出することができれば、これをクラス間の類似性を計算するために使用することができる。類似した部分を共有する場合、それらはより類似しているといえる。これは、クラスの拡張を比較する際に、より有用となる。なぜなら、同じパーツのセットを共有するオブジェクトは同じであると推測できるからだ。 […]
[…] そのため、2つのエンティティが同じ名前であれば同じものであり、異なる名前であれば異なるものであると、確実に推論することはできない。このようなことが起こる理由は、synonymyやhomonymy以外にも特に以下のような場合にある。 […]
[…] SPARQL (Part9:ファサードとSPARQL) 1.8.5 Peer-to-Peer Inferencing (P2Pの推論) Appendix A:Life-Cycle Activities […]
[…] Warehousing (リンクデータ・データベース) 9.Linked Data Reasoning (リンクデータの推論) Teil3 Fallbeispiele(Part3 ケーススタディ) 10.Linked Open Data Cloud (クラウドでのLOD) […]
[…] 次回はこれらの関係を推論するための各種手法について述べる。 […]
[…] 9. KR and Reasoning on the Semantic Web:OWL (セマンティック・ウェブにおけるKRと推論：OWL) 10. KR and Reasoning on the Semantic Web:RIF […]
[…] 情報工学でのオントロジーの適用先は多岐に渡り、知識表現として人工知能に導入され各種推論(エキスパートシステム等)に用いられたり、SemanticWeb技術の根底にあるデータとして各種データのリンク付けを行ったり、システム工学やソフトウェア工学においてSysML等のツールと共に要件定義のツールとして用いられたり、バイオインフォマティクス、図書館情報学、エンタープライズインフォーメーションマネジメント等の領域で情報を整理し、アクセス性を改善するツールとして用いられている。 […]
[…] この大小関係や対等性が不確実なものとしてさらに推論を行う手法もある。一つは1980年台にディビッド・シュマイドラーとイツァーク・ギルボアに提案された「複数信念(multiple prior)」(一つの確定的な大小関係や等号関係を想定するのではなく複数の可能性(確率)を想定する確率理論)で、もう一つは1920年代にフランク・ナイトにより提唱された、想定外の出来事が人々を動かすという「サプライズ」をベースとした手法となる。 […]
[…] 前回「ベイズ推論による機械学習入門(1)概要」で述べたように、通常の機械学習はデータそのものの推論を行うのに対して、強化学習では「報酬」という概念を組み合わせた時の期待値の計算を行う「意思決定推論」であることが最大の特徴となっている。意思決定は状態と呼ばれる現在の状況を表すものにもとづき行われ、その結果として報酬や新たしい状態を観察し、再び意思決定を行うということを繰り返すアルゴリズムとなる。 […]
[…] 上図で示すように、それぞのシンボルの間は何らかの関係性で結びついていると考えることができる。これらの関係性は数学的には関数として表す(抽象化する)ことができ(参考「構造とアルゴリズム」)形式的に操作(証明/推論)できる。また、前述の議論の延長線上で考えるとその関係性が真(true)であれば意味があり、偽であれば意味がなく、この真偽(意味があるかどうか)も形式的に操作できることが容易に推論される。 […]
[…] ヒントンの論文ではこれらRBMやDBNについての議論が行われ、これらのボルツマンマシンを使う事で「(ネッカーの立方体錯視で見られるような)多重安定性や、知覚的推論におけるトップダウン効果が見られる」と述べられている。これは単純な情報から複雑な特徴を抽出できる可能性がある事を述べているのではないかと思う。 […]
[…] 推論技術等の人工知能技術の基盤となる数理論理学の著名な教科書である「論理学をつくる」より。読書メモを記載する。 […]
[…] 推論技術等の人工知能技術の基盤となる数理論理学の著名な教科書である「論理学をつくる」より。前回の第1部論理学をはじめるに続き、今回は第2部論理学を拡げるの読書メモについて述べる。 […]
[…] 推論技術等の人工知能技術の基盤となる数理論理学の著名な教科書である「論理学をつくる」より。前回の第2部論理学を拡げるに続き、今回は第3部論理学をもう一つの目で見るの読書メモについて述べる。 […]
[…] 推論技術等の人工知能技術の基盤となる数理論理学の著名な教科書である「論理学をつくる」より。前回の第3部論理学をもう一つの目で見るに続き、今回は第4部-論理学はここから先が面白い 非古典論理の読書メモについて述べる。 […]
[…] これらに適用される機械学習技術としては、離散データの最適化である劣モジュラ最適化や、スパースモデリングを使った圧縮センシング、また各種推論技術等がある。 […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー デジタルトランスフォーメーション技術サマリー […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー デジタルトランスフォーメーション技術サマリー […]
[…] なデータの予測技術となる。与えられたデータや解析の課題に応じて統計モデルを構成し、推論(inference)と呼ばれる確率計算を行うことにより、データに潜む構造を抽出したり、不確実性 […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー デジタルトランスフォーメーション技術サマリー […]
[…] がある場合、この2つのクラスは同様に関係している可能性があることを示唆している。この推論は部分から全体という逆の方向にも当てはまる。これは、個別の部分がある場合、つまり […]
[…] ウェブ技術サマリー デジタルトランスフォーメーション技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー 深層学習技術サマリー オンライン学習&強化学習技術サマリー チャットボット技術サマリー ユーザーインターフェース技術サマリー 知識情報処理技術サマリー 推論技術サマリー […]
[…] ウェブ技術サマリー デジタルトランスフォーメーション技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー 深層学習技術サマリー オンライン学習&強化学習技術サマリー チャットボット技術サマリー ユーザーインターフェース技術サマリー 知識情報処理技術サマリー 推論技術サマリー […]
[…] ウェブ技術サマリー デジタルトランスフォーメーション技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー 深層学習技術サマリー オンライン学習&強化学習技術サマリー チャットボット技術サマリー ユーザーインターフェース技術サマリー 知識情報処理技術サマリー 推論技術サマリー […]
[…] ウェブ技術サマリー デジタルトランスフォーメーション技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー 深層学習技術サマリー オンライン学習&強化学習技術サマリー チャットボットと質疑応答技術サマリー ユーザーインターフェース技術サマリー 知識情報処理技術サマリー 推論技術サマリー […]
[…] ウェブ技術サマリー デジタルトランスフォーメーション技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー 深層学習技術サマリー オンライン学習&強化学習技術サマリー ユーザーインターフェース技術サマリー 知識情報処理技術サマリー 推論技術サマリー […]
[…] ウェブ技術サマリー デジタルトランスフォーメーション技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー 深層学習技術サマリー オンライン学習&強化学習技術サマリー チャットボットと質疑応答技術サマリー ユーザーインターフェース技術サマリー 知識情報処理技術サマリー 推論技術サマリー 禅と人工知能サマリー […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー デジタルトランスフォーメーション技術サマリー […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー デジタルトランスフォーメーション技術サマリー […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー デジタルトランスフォーメーション技術サマリー […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー デジタルトランスフォーメーション技術サマリー […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー デジタルトランスフォーメーション技術サマリー […]
[…] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー 知識情報処理技術サマリー 推論技術サマリー […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー AI学会論文サマリー デジタルトランスフォーメーション技術サマリー […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー デジタルトランスフォーメーション技術サマリー 機械学習技術サマリー […]
[…] 人工知能技術サマリー セマンティックウェブ技術サマリー 知識情報処理技術サマリー 推論技術サマリー AI学会論文サマリー デジタルトランスフォーメーション技術サマリー […]
[…] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー AI学会論文サマリー 知識情報処理技術サマリー 推論技術サマリー […]
[…] ウェブ技術 デジタルトランスフォーメーション技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 深層学習技術 オンライン学習&強化学習技術 チャットボットと質疑応答技術 ユーザーインターフェース技術 知識情報処理技術 推論技術 […]
[…] ウェブ技術 デジタルトランスフォーメーション技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 深層学習技術 オンライン学習&強化学習技術 チャットボットと質疑応答技術 ユーザーインターフェース技術 知識情報処理技術 推論技術 プログラミング […]
[…] ウェブ技術 デジタルトランスフォーメーション技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 深層学習技術 オンライン学習&強化学習技術 チャットボットと質疑応答技術 ユーザーインターフェース技術 知識情報処理技術 推論技術 Clojure プログラミング […]
[…] ウェブ技術 デジタルトランスフォーメーション技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 深層学習技術 オンライン学習&強化学習技術 チャットボットと質疑応答技術 ユーザーインターフェース技術 知識情報処理技術 推論技術 プログラミング […]
[…] 人工知能技術 機械学習技術 推論技術 知識工学 […]
[…] <推論技術> […]
[…] 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] 機械学習技術サマリー 人工知能技術サマリー 自然言語処理技術サマリー セマンティックウェブ技術サマリー オントロジー技術サマリー デジタルトランスフォーメーション技術サマリー 知識情報処理技術サマリー AI学会論文を集めて 推論技術サマリー […]
[…] ウェブ技術 デジタルトランスフォーメーション技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 深層学習技術 オンライン学習&強化学習技術 チャットボットと質疑応答技術 ユーザーインターフェース技術 知識情報処理技術 推論技術 禅と人工知能 […]
[…] 人工知能技術 機械学習技術 人工生命 推論技術 知識工学 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] ユーザーインターフェース技術 知識情報処理技術 推論技術 禅と人工知能 […]
[…] 機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] ICT技術 デジタルトランスフォーメーション 人工生命 推論技術 知識工学 オートマトンと自動計画 […]
[…] 2022.01.09 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 オントロジー技術 […]
[…] 2021.06.29 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 オントロジー技術 […]
[…] これらオントロジーによって整理されたナレッジとストリームデータハンドリングに代表されるIOT技術、更にスパースモデリングや深層学習、時系列データ解析等の機械学習技術や、各種推論技術を組み合わせることで、自律的なリスク管理システムの構築が可能となる。 […]
[…] 2021.07.04 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 オントロジー技術 […]
[…] 2021.07.06 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 オントロジー技術 […]
[…] 2022.02.13 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 オントロジー技術 […]
[…] 2021.07.01 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 オントロジー技術 […]
[…] 2021.06.30 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 オントロジー技術 […]
[…] 人工知能技術 機械学習 自然言語処理技術 推論技術 セマンティックウェブ技術 深層学習技術 オンライン学習 […]
[…] 2022.01.16 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 オントロジー技術 […]
[…] 人工知能技術 機械学習 自然言語処理技術 推論技術 セマンティックウェブ技術 深層学習技術 オンライン学習 […]
[…] 人工知能技術 IOT セマンティックウェブ技術 知識情報処理技術 推論技術 DXの事例 […]
[…] ータとデータの意味関係を使って様々なデータを自動生成するセマンティックウェブ技術、人の代わりに機械に会話させるチャットボット技術、様々な推論を行う機械推論技術等がある。 […]
[…] 人工知能技術 機械学習 自然言語処理技術 推論技術 セマンティックウェブ技術 チャットボットと質疑応答技術 […]
[…] 自然言語処理技術 セマンティックウェブ技術 知識情報処理技術 推論技術 禅と人工知能 哲学と関連トピック […]
[…] ICT技術 デジタルトランスフォーメーション 人工生命 推論技術 知識工学 […]
[…] 人工知能技術 機械学習 自然言語処理技術 推論技術 セマンティックウェブ技術 深層学習技術 強化学習技術 […]
[…] 人工知能技術 機械学習 自然言語処理技術 推論技術 セマンティックウェブ技術 深層学習技術 オンライン学習 […]
[…] 人工知能技術 機械学習 自然言語処理技術 推論技術 セマンティックウェブ技術 深層学習技術 オンライン学習 […]
[…] 2023.09.09 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 オントロジー技術 […]
[…] ユーザーインターフェース技術 知識情報処理技術 推論技術 哲学と関連トピック 禅と人工知能 […]
[…] ユーザーインターフェース技術 知識情報処理技術 推論技術 哲学と関連トピック 禅と人工知能 […]
[…] 人工知能技術 機械学習技術 人工生命 推論技術 知識工学 […]
[…] ICT技術 デジタルトランスフォーメーション 人工生命 推論技術 知識工学 本ブログのナビ […]
[…] セマンティックウェブ技術 オントロジー技術 知識情報処理技術 推論技術 DXの事例 […]
[…] システム・センチメント分析等で使われるナイーブベイズ(データが与えられたときの全ての推定の確率を計算し、最も確率の高いものを推定結果として出力するアルゴリズム)や、音声認 […]
[…] ユーザーインターフェース技術 知識情報処理技術 推論技術 本ブログのナビ チャットボットと質疑応答技術 Python Clojure […]
[…] ICT技術 デジタルトランスフォーメーション 人工生命 推論技術 知識工学 本ブログのナビ […]
[…] ユーザーインターフェース技術 知識情報処理技術 推論技術 禅と人工知能 哲学と関連トピック […]
[…] ユーザーインターフェース技術 知識情報処理技術 推論技術 禅と人工知能 哲学と関連トピック […]
[…] AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 本ブログのナビ […]
[…] 人工知能技術 自然言語処理技術 推論技術 セマンティックウェブ技術 深層学習技術 […]
[…] 2024.07.06 人工知能技術 セマンティックウェブ技術 知識情報処理技術 推論技術 AI学会論文 デジタルトランスフォーメーション技術 オントロジー技術 […]
[…] AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 […]
[…] ICT技術 デジタルトランスフォーメーション 人工生命 推論技術 知識工学 オートマトンと自動計画 物理・数学 […]
[…] 人工知能技術 機械学習 自然言語処理技術 推論技術 セマンティックウェブ技術 深層学習技術 オンライン学習 […]
[…] ユーザーインターフェース技術 知識情報処理技術 推論技術 哲学と関連トピック 禅と人工知能 […]