意味の数学モデルにおける意味的連想処理のための自動学習機構

概要

論文の詳細を見る
パターン・マッチングを用いた連想処理は、パターンと一致した情報の内容を抽出することを目的とするが、あるデータを検索情報として与えた時、それに近い意味を持つデータを求め、その求めたデータを含む情報を求めることはできない。また、パターン・マッチングによる連想処理を用いて情報の抽出を行う場合、検索情報のパターンを熟知しなければならないことが問題となる。データ間の意味的な関係(意味の同一性、相違性)については、その関係を静的にかつ明示的に記述する方法が用いられてきた。我々は、データ間の意味的な関係は静的に決定されるのではなく、状況や文脈に応じて動的にかつ無限に変化するものと考える。このように動的に変化するデータ間の意味的な関係を計算し、データの意味を扱って情報を抽出する意味的連想処理として、我々は、意味の数学モデルを提案している。本稿では、意味の数学モデルにおいて、計算によって求められるデータ間の意味的な関係をより正確に求めることを目的とした自動学習機構について述べる。
一般社団法人情報処理学会の論文
1995-03-15