Temporal reasoning is one of the major issues in several AI fields such as planning, natural language processing, and knowledge representation. In this thesis, a temporal-knowledge representation scheme based on time point is proposed and its reasoning mechanism is developed. Time point is more computationally tractable than time interval.
In the proposed representation scheme, only the primitive facts are maintained in knowledge base and other unspecified temporal relations are deduced from the knowledge base. Basic operations used in the deduction are based on the additions and multiplications of the time point algebra.
Compared with others, the proposed model saves the space usage for maintaining temporal knowledge and reduces the time for updating them when a new temporal relation is asserted. This model, however, requires some extra time for deducing a temporal relation since there are only primitive facts in the knowledge base while others, which use the constraint propagation algorithm, maintain all temporal relations in the database. Accordingly, the proposed model is more useful in the domains, which deal with a number of time points and require frequent acquisitions of new temporal relations.
시간 추론은 계획 수립(planning), 자연어 처리(natural language processing), 지식 표현 (knowledge representation) 등의 여러 인공지능 분야에 있어서 중요한 과제 중의 하나이다. 본 논문에서는 시간 지식 표현의 새로운 방식과 추론 기법을 함께 제시하고 있다. 본 논문에서 제시한 방식에서는 처리의 용이성을 기하기 위하여 시간 간격 보다 더 단순한 시점을 기본 단위로 사용하였다. 본 기법에 사용하는 기본적인 연산들은 시점에 의한 시간대수 (Time Point Algebra)에 기반을 두며, 지식 베이스에는 기본적인 시간 관계만을 유지하여 이 지식 베이스로부터 다른 모든 시간 관계를 추론할 수 있도록 하였다. 이렇게 함으로써 기존의 모형에서 많은 기억 공간과 시간을 들여서 항상 모든 시간 관계를 유지하고 새로운 지식을 추가할 때 마다 이로 인해 다른 시간 관계를 다시 계산해야 하는 부담을 줄였다. 그러나, 현재의 지식으로부터 시간 관계를 추론 하는데는 추가적으로 시간 부담을 더 가지게 되었다. 따라서, 본 논문의 모형은 많은 시간 정보를 다루고, 새로운 지식의 추가가 빈번한 환경에서 매우 유용하게 사용될 수 있다.
이 모형을 바탕으로 본 논문에서는 실험적인 시간 추론 시스템을 설계 하였다. 이 시스템에서는 시점 외에 날짜로 표현한 시간도 함께 처리 하였으며, 시간 간격은 양 끝점을 시점으로 변환하여 표현함으로써 실 영역에 필요한 표현력을 한층 더 강화 하였다.
