New efficient approach was conceived and tested on the expert systems of oriental medicine. The knowledge bases of these systems were constructed with two knowledge sources; the rough knowledge was obtained from a pathologist, and then the obtained knowledge was refined by sample cases.
The previous works on developing expert systems usually rely on domain experts to provide all domain specific knowledge. But the method for acquiring knowledge directly from experts was inadequate in case of oriental medicine because it was hard to find an appropriate expert physician and the developing cost became too high. The motivation for this study came from the difficulties experienced with existing approaches which rely only on the expert or only on sample cases.
In order to reflect the clinical knowledge contained in samples into the rough knowledge efficiently, the domain dependent strategies and heuristics were used in finding the subset of knowledge to be refined, generating new rules, and adjusting certainty values in rules. This method led to the development of Oriental Medicine Expert System (OMES).
For the purpose of comparing the refinment abilities of OMES with the learning ability of the neural network, Oriental Medicine Neural Network was constructed.
These two systems have been compared with the system whose knowledge base was constructed by direct help of domain experts (OLDS). Among these systems, OMES was considered to be superior to other systems in terms of performances, development costs, and practicality. In this study, the development of OMES is presented and the performance of OMES in comparison with other similar system is described.
한의 전문가 시스템에 관한 새로운 접근 방법이 고안되고 실험되었다. 이 시스템의 지식베이스는 두 가지 지식원으로 부터 구성된다; 병리 학자로부터 rough Knowledge를 얻은 후 sample case로 이 지식을 정예 (Refinement)한다.
전문가 시스템을 개발하는 예전의 연구는 영역 지식을 얻기 위해 항상 그 영역의 전문가만을 의존했다. 하지만 한의 분야는 적절한 전문가를 구하기가 어렵고 개발비가 높기 때문에 전문가로 부터 직접 지식을 얻는 방법은 부적절하다.
이 연구의 동기는 기존의 전문가만을 의존하거나, sample case만을 의존해 지식을 얻을 시에 겪은 어려움에서 출발한다. Sample case에 포함된 임상지식을 rough Knowledge에 효과적으로 반영하기 위해 정제된 지식을 찾고, 새 규칙을 생성하고, 새 규칙에 부여된 certainty value를 수정하기 위해 그 영역에 한정된 heuristics를 사용한다. Oriental Medicine Expert System(OMES)를 개발하는 데 이 방법이 사용되었다.
OMES의 정제능력과 Neural Network의 학습능력을 비교하기 위해, Oriental Medicine Neural Network이 만들어 졌다. 이 두 시스템은 전문가의 도움만으로 만들어진 시스템(OLDS)과 비교 되었다. 이들 시스템 중 OMES는 성능, 개발비용, 실용성 측면에서 다른 시스템 보다 우월했다. 본 연구에서는 OMES의 개발 과정이 기술되고 OMES의 성능과 다른 유사 시스템들이 비교 되었다.
