大規模事例ベース検索の効率的かつ高精度な手法

概要

論文の詳細を見る
本論文では、Dynamic Dimension Compaction Theory(DDCT動的次元縮退法)について述べる。DDCTは、事例ベース推論(Case Based Reasoning、以下CBR)における類似事例検索を高速かつ高精度で行なう手法である。従来の事例検索は、事例ベースの階層的インデックス付けに依存し、必要な属性が変化しない事、さらに、必要な情報が全て(またはほとんど)得られる事が前提となっていた。しかし現実世界でこの様な事例を収集することは因難である。一般には、ノイズを含み、重複や情報の欠落がある事例や検索条件に対応しなければならない。この様な事例ベースに対し、従来のCBRモデルでは、常に全ての属性を類似度計算の対象としていたため、関係のある属性集合が動的に変化するような場合には、適切な事例が検索されない事があった。DDCTでは、類似度の計算の際に、無関係な属性次元を動的に除外する等の動的な距離空間定義法を導入し、専門家の直感に近い類似度で事例が検索される。
一般社団法人情報処理学会の論文
1992-02-24