A natural language understanding system requires extensive knowledge about the world. Since most systems simply have the built-in knowledge schemata, it is appropriate to consider how to acquire these knowledge schemata automatically.
In this thesis, the problem of acquiring planning knowledge schema from natural language explanation is addressed by constructing a computer model which analyzes narratives containing planning knowledge. The system attempts to construct the causal structure of the narrative in terms of the goals and their plans. It acquires the planning knowledge schema if there exists. This approach is not the inductive but one trial learning. The acquired schemata contain processing knowledge which is useful in dealing with the kinds of planning, and serve as episodic memory structure indexing scheme.
자연어 이해 시스템은 세상에 대한 많은 양의 지식을 필요로 한다. 대부분의 시스템들은 단지 미리 만들어진 지식 schemata만을 지니고 있다. 따라서, 이러한 지식 schemata를 어떻게 자동적으로 습득할 수 있을까 하는 문제를 고려하여 보는 것은 합당한 일이 된다.
본 논문에서는, 자연어 설명으로부터 planning 지식 schema를 습득하는 문제를 연구하였고 planning 지식을 포함하고 있는 이야기를 분석하는 컴퓨터 모델을 제시하였다. 이 시스템은 goal과 그에 대한 plan으로 이야기의 causal structure를 만들어 낸다. 이 후에, 이야기내에 planning 지식이 존재하면 그 지식 schema를 습득하게 된다. 이러한 방법은 연역적이 아닌 단시도 학습(one-trial learning)이 된다. 습득된 schemata는 유사한 경우의 planning 문제를 다루는데 유용한 처리 지식을 포함하며 episodic memory의 indexing 기법으로 사용될 수 있다.
