Multipurpose ITS

Implementation Document20021169 김계현

IM Lab.

System Overview

Completed Modules

Main

class ITS static void main(String[] args) static void learn(KnowledgeBase kb, Knowled

geGenerator kg) static void teach(KnowledgeBase kb, Knowled

geGenerator kg, Planner planner)

Knowledge Base

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();

Fact

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);

Fact (cont’d)

class Fact void print(Logger log, int depth); Fact negates(); boolean equals(Object item); void on(IEngine ie);

Rule

Rule (cont’d)

class Rule void print(Logger log, int depth); void on(IEngine ie, Fact fact);

Inference Engine

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(…)

Inference Engine (cont’d) switch-on 된 node 들에 대해 breadth-first searc

h 각각의 관계는 다음과 같다 .

Concept : 그 자신이 속한 모든 Fact 들을 on Fact : 자신에게 속한 모든 Concept 들과 Rela

tion 을 on Relation : 해당 relation 이 조건부가 되는

모든 Rule 들을 on Rule : 결론부로서 derive 된 Fact 를 on

이 과정을 , 더 이상 추가로 on 되는 node 가 없을 때까지 반복한다 .

Inference Engine (cont’d) public void on(IEngine ie, Fact fact) // 새로 들어온 fact 를 print // 해당 fact 의 concept 들을 substitutes 에 add // i 번째 premise 와 match 하는 경우 // premise 와 negation 이 반대인 경우 전혀 가치없는 fact 이므로 그대로 종료 // 알맞은 substitutes 공간에 fact 의 concept 들을 각각 add // 애초에 premise 의 해당 term 이 variable 이 아니라 constant concept 이면 add 안함 // 그 외에도 중복되지 않는 경우에 한해서만 add // 새로 add 된 concept 이 먼저 check 가 되도록 맨 앞에 add 함 // 다른 premise 에 대해서는 볼 일이 없으므로 loop 를 탈출 // 아직 모든 premise 가 on 되지 않은 경우 , conclusion 은 무조건 false 이므로 그대로 종료 . // 단 , negative premise 에 대해서는 check 하지 않음 . 하나라도 참인 fact 가 derive 되면 해당 premise 가 on 되어 버리므로 ... // 각 variable 이 현재 가지고 있는 모든 substitute 들의 조합을 가지고 주어진 rule 을 만족하는지 check 하는 것이므로 , // 아래와 같이 전체 iteration 횟수 n 을 구함 // substitute 가 하나도 없는 variable 이 있으면 rule match 가 안되므로 그대로 종료 // 모든 가능한 substitute 의 조합에 대해 rule match 를 수행 // loopVariable[i] : i 번째 variable 의 substitute 들 중에 몇 번째 concept 을 현재 iteration 에서의 조합으로 취할지를 가리킴 // ex> loopVairable[0], [1], [2] 가 각각 3, 4, 5 라면 , substitutes[0], [1], [2] 에서 각각 3, 4, 5 번째 concept 을 취하는 것 . // 이것이 끝까지 true 이면 , 해당 iteration 에서의 조합이 올바른 fact 임을 의미 // rule match 는 각 premise 에 대해 수행되며 , 모든 premise 에서 true 가 나와야 올바른 fact 가 됨 // 해당 premise 에서 사용되는 variable/concept 들의 index // test 할 조합을 만듦 // index 값에 따라 usedConcept 또는 substitutes 에서 concept 을 가져와 조합을 만듦 // test 할 조합을 print // test 를 수행 . 이때 isTrue 대신 isAlreadyDerived 를 쓰는 편이 검사할 fact 의 개수가 적어서 더 빠르다 . // Concept-relation network 의 장점 중 하나가 바로 , 기존의 모든 fact 들에 대해 검사할 필요가 없다는 점임 // 위에서 선택한 substitute 의 조합이 모든 premise 에 대해 true 가 나온 경우 // conclusion 에 대한 fact 를 만듦 // match 된 이 rule 과 , 이 rule 로부터 derive 된 fact 를 print // 다음 iteration 에서의 concept 의 조합을 계산 // 가장 마지막 variable 부터 개수를 늘려줌 // n 자리 10 진수에 1 을 더했을 때를 생각하면 됨 // 현재 숫자가 1188 이라면 , 1188 + 1 = 1189 로 맨 끝자리만 계산하면 되지만 , 1189 + 1 = 1190 으로 // 1 의자리는 0 으로 만들고 , 다시 10 의자리에 1 을 더해줘야 함 . 1199 + 1 = 1200 의 경우도 마찬가지 .

Knowledge Generator

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 i

sNegated); Vector premiseN(Vector conjuncted, String rconj, String relation,

String[] tconj, Vector[] targets, boolean isNegated); Vector buildRule(Vector conditions, Vector matched, Vector unm

atched); Rule[] addRule(KnowledgeBase kb, Vector vectoredRules); int setN(Vector conjuncted); String negates(String relation); int readInt();

Natural Language Recognizer

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; … }

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

NLR (cont’d)

concept ::= concept ID | ID facts ::= facts ANDOP fact | fact conjunctedConcepts ::= conjunctedConc

epts COMMA concept

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

Planner

class Planner Fact[] addQueries(KnowledgeBase kb, Vector

premises);

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 a

re weapon. Nono is enemy of America. West did sell Scud to Nono. if _x is missile then _x is weapon. if _x is enemy of America then _x is hostile. if _x did sell _y to _z & _x is American & _y is weapon & _z is hostile

then _x is criminal.

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

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

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 ...

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>