프레임(인공지능)

Frame (artificial intelligence)

프레임은 지식을 하부 구조로 나누기 위해 사용되는 인공지능 데이터 구조로, '스팀형 상황'을 표현한다. 그것들은 마빈 민스키가 1974년 쓴 "지식을 대표하는 틀"에서 제안한 것이다. 프레임은 인공지능 프레임 언어에 사용되는 1차 데이터 구조로 세트의 온톨로지로 저장된다.

틀은 또한 지식 표현과 추론 계획의 광범위한 부분이다. 그것들은 원래 의미 네트워크로부터 파생되었으며, 따라서 구조 기반의 지식 표현에 속한다. 러셀과 노르빅의 "인공지능: 현대적 접근법"이라는 구조 표현은 "특정 대상과 사건 유형에 대한 팩트를 조합하고 생물학적 분류법과 유사한 대규모 분류 체계로 유형을 배열한다."

프레임 구조

프레임에는 프레임을 어떻게 사용할지, 다음에 무엇을 기대할 것인지, 이러한 기대가 충족되지 않을 때 어떻게 할 것인지에 대한 정보가 담겨 있다. 프레임의 일부 정보는 일반적으로 변경되지 않는 반면 "종료"에 저장된 다른 정보는 대개 변경된다. 단자는 변수로 간주할 수 있다. 최상위 프레임은 정보를 전달하는데, 이는 항상 당면한 문제에 대해 사실이지만, 단자가 진실일 필요는 없다. 그들의 가치는 마주친 새로운 정보에 따라 달라질 수 있다. 다른 프레임은 동일한 단자를 공유할 수 있다.

특정 프레임에 대한 각 정보는 슬롯에 고정되어 있다. 이 정보에는 다음이 포함될 수 있다.

  • 사실 또는 데이터
    • 값(면이라고 함)
  • 절차(절차 첨부라고도 함)
    • 필요한 경우 : 평가 지연
    • IF-추가 : 링크된 정보 업데이트
  • 기본값
    • 데이터용
    • 절차용
  • 기타 프레임 또는 서브프레임

특징 및 장점

프레임의 단자는 이미 디폴트 값으로 채워져 있는데, 이것은 인간의 마음이 어떻게 작용하는가에 바탕을 두고 있다. 예를 들어, 어떤 사람에게 "소년이 공을 찬다"는 말을 들으면 대부분의 사람들은 속성이 없는 추상적인 어떤 공을 상상하기보다는 특정한 공(예: 친숙한 축구공)을 시각화하게 된다.

프레임 기반 지식 표현의 한 가지 특별한 강점은 의미 네트워크와 달리 특정 사례에서 예외를 허용한다는 것이다. 이것은 실제 세계의 현상을 보다 정확하게 반영할 수 있는 정도의 유연성을 프레임에 부여한다.

의미론적 네트워크와 마찬가지로, 프레임도 확산 활성화를 사용하여 쿼리할 수 있다. 상속 규칙에 따라 서브프레임에 의해 상속되는 슬롯에 부여된 모든 값은 서브프레임의 해당 슬롯에 업데이트(IF-DDED)되며 특정 프레임의 새로운 인스턴스에는 해당 새로운 값이 기본값으로 표시된다.

프레임은 구조를 기반으로 하기 때문에 명시적 호가 없어도 프레임셋이 주어진 의미 네트워크 생성도 가능하다. 노암 촘스키에 대한 언급과 1950년의 그의 생성 문법은 민스키의 출판물에 일반적으로 빠져 있다. 그러나 의미 강도는 그 개념에서 비롯된다.

프레임의 단순화된 구조는 쉬운 유사 추론을 가능하게 하는데, 이것은 지능적인 에이전트에서 매우 중요한 특징이다. 또한 프레임에 의해 제공되는 절차적 첨부는 좀 더 사실적인 표현을 가능하게 하고 프로그래밍 애플리케이션에 대한 자연적인 여유를 주는 정도의 유연성을 허용한다.

예

여기서 주목할 만한 것은 비슷한 이름의 슬롯을 가지고 있는 것만으로 소년과 원숭이 사이에 행해질 수 있는 쉬운 유사추론이다.

또한 소년의 인스턴스인 알렉스는 보다 일반적인 부모 개체인 보이로부터 "섹스"와 같은 기본값을 상속받지만, 그 소년 또한 다리의 수와 같은 예외의 형태로 다른 인스턴스 값을 가질 수 있다.

슬롯 가치 유형
알렉스야. _ (이 프레임)
이름 알렉스야. (키 값)
ISA 소년 (부모 프레임)
SEX 남성 (계량값)
에이지 필요한 경우: 차감(현재, BAYDATE); (필수 첨부 파일)
홈 메인 스트리트 100 (계량값)
생년월일 8/4/2000 (계량값)
Favorite_FOOD 스파게티 (계량값)
기어스 나무들 (계량값)
본문_TYPE 위리 (계량값)
Num_LEGS 1 (iii)
슬롯 가치 유형
보이 _ (이 프레임)
ISA 사람 (부모 프레임)
SEX 남성 (계량값)
에이지 12세 미만. (부착 - 제약 조건 설정)
홈 장소 (프레임)
Num_LEGS 기본값 = 2 (기본값, 사용자 프레임에서 상속됨)
슬롯 가치 유형
원숭이 _ (이 프레임)
ISA 영장류 (부모 프레임)
SEX OneOf(남, 여) (필수 첨부 파일)
에이지 정수 (부착 - 제약 조건 설정)
해비타트 기본값 = 정글 (기본값)
Favorite_FOOD 기본값 = 바나나 (기본값)
기어스 나무들 _
본문_TYPE 기본값 = Wrier (기본값)
Num_LEGS 기본값 = 2 (기본값)

틀 언어

프레임 언어는 인공지능의 지식 표현에 사용되는 기술이다. 기본적인 설계 목표는 다르지만 객체 지향 언어의 클래스 계층 구조와 유사하다. 프레임은 지식의 명시적이고 직관적인 표현에 초점이 맞춰져 있는 반면, 오브젝트는 캡슐화와 정보 은닉에 초점을 맞추고 있다. 프레임은 AI 연구, 오브젝트는 주로 소프트웨어 엔지니어링에서 비롯됐다. 그러나 실제로 프레임과 객체지향 언어의 기법과 역량이 크게 겹친다.

예

프레임 언어로 모델링된 개념의 간단한 예는 소셜 네트워킹 및 캘린더 시스템의 기초로서 시맨틱 웹의 일부로 정의된 Friend of A Friend(FOAF) 온톨로지다. 이 간단한 예에서 주요한 틀은 사람이다. 예시 슬롯은 사용자의 이메일, 홈 페이지, 전화 등이다. 각 개인의 관심사는 비즈니스와 엔터테인먼트 영역의 공간을 설명하는 추가 프레임으로 대표될 수 있다. 그 자리는 각 사람을 다른 사람과 연결시켜 주는 역할을 한다. 개인의 이익에 대한 기본값은 그들이 친구인 사람들의 거미줄로 추론할 수 있다.[1]

구현

초기 프레임 기반 언어는 특정 연구 프로젝트를 위해 맞춤형으로 개발되었으며 다른 연구자가 재사용할 수 있는 도구로 포장되지 않았다. 전문가 시스템 추론 엔진과 마찬가지로, 연구자들은 곧 핵심 인프라의 일부를 추출하고 특정 애플리케이션과 결합되지 않은 범용 프레임 언어를 개발하는 것의 이점을 깨달았다. 첫 번째 범용 프레임 언어 중 하나는 KRL이었다.[2] 초기 프레임 언어 중 가장 영향력 있는 언어는 KL-ONE[3] KL-ONE이다. KL-ONE의 가장 널리 사용되는 후계자 중 하나는 정보과학연구소의 로버트 맥그리거에 의해 개발된 롬 언어였다.[4]

1980년대에 인공지능은 전문가 시스템으로 인해 비즈니스 세계에 많은 관심을 불러일으켰다. 이것은 지식 기반 시스템의 개발을 위한 많은 상업적 제품의 개발로 이어졌다. 이러한 초기 제품들은 대개 Lisp에서 개발되었고 데이터를 나타내기 위한 프레임 계층 구조와 논리적 추론을 위한 IF-TEN 규칙과 같은 통합 구성물들이 개발되었다. 이러한 초기 Lisp 기술 기반 도구 중 가장 잘 알려진 것 중 하나는 Intellicorp의 KE(Knowledge Engineering Environment)이다. KEY는 다중 상속, 슬롯, 트리거, 기본값 및 앞뒤 체인을 지원하는 규칙 엔진을 포함한 전체 프레임 언어를 제공했다. 대부분의 초기 상용 버전의 AI 소프트웨어와 마찬가지로 KEY는 원래 Lisp on Lisp 머신 플랫폼에 배치되었지만 결국 PC와 Unix 워크스테이션에 포팅되었다.[5]

시멘틱 웹의 연구 의제는 자동 분류와 프레임 언어에 대한 새로운 관심을 불러일으켰다. 인터넷상의 정보를 기술하기 위한 웹 온톨로지 언어(Web Ontology Language, OWL) 표준이 그 예다. OWL은 인터넷 위에 의미 계층을 제공하기 위한 표준이다. 목표는 오늘날 대부분의 애플리케이션(예: 구글)이 하는 것처럼 키워드를 사용하여 웹을 구성하기 보다는 온톨로지(Ontology)로 구성된 개념에 의해 웹을 구성할 수 있다는 것이다.

OWL 언어의 이름 자체는 시맨틱 웹의 가치에 대한 좋은 예를 제공한다. 만약 오늘날 인터넷을 사용하여 "OWL"을 검색한다면, 검색된 페이지의 대부분은 표준 OWL이 아닌 새 OWL에 있을 것이다. 시맨틱 웹을 사용하면 "Web Ontology Language"라는 개념을 지정할 수 있을 것이며 사용자는 검색의 일부로 가능한 다양한 두문자어 또는 동의어에 대해 걱정할 필요가 없을 것이다. 마찬가지로, 사용자는 이 간단한 예에서와 같이 맹금류와 같은 관련 없는 데이터로 검색 결과를 혼동하는 것에 대해 걱정할 필요가 없을 것이다.

OWL 외에도 시맨틱 웹과 관련되고 프레임 언어의 영향을 받은 다양한 표준과 기술은 OIL과 DAML이 있다. 스탠포드 대학의 프로테지 오픈 소스 소프트웨어 도구는 OWL을 기반으로 구축되어 분류기의 모든 기능을 갖춘 온톨로지 편집 기능을 제공한다. 그러나 버전 3.5(프레임 방향 선호에 대해 유지되는)부터는 명시적으로 프레임 지원을 중단했으며, 2017년 현재 버전은 5이다. OWL DL이 더 표현적이고 "산업 표준"[6]이라는 노골적인 프레임에서 움직일 수 있는 정당성이 있다.

프레임과 객체의 비교

프레임 언어는 객체 지향 언어와 상당히 중복된다. 두 공동체의 용어와 목표는 달랐지만 학계와 연구소에서 상업계 개발자로 옮겨가면서 철학적 이슈에 신경을 쓰지 않는 경향이 있었고, 주로 구체적인 역량에 초점을 맞추면서 발상이 어디서 시작되었든 어느 진영에서나 최고를 차지했다. 두 패러다임의 공통점은 현실 세계에서의 개념과 소프트웨어에서의 구현 사이의 거리를 줄이고자 하는 욕망이다. 이와 같이 두 패러다임은 매우 일반적인 유형에서 시작하여 보다 구체적인 유형으로 진전되는 분류학에서 주요 소프트웨어 개체를 나타내는 아이디어에 도달했다.

다음 표는 객체 지향 언어 커뮤니티와 프레임 언어 커뮤니티의 표준 용어 사이의 상관관계를 보여준다.

틀 용어 OO 용어
틀 객체 클래스
슬롯 개체 속성 또는 속성
트리거 접근자 및 돌연변이 방법
방법(예: 베틀, KI) 방법

두 패러다임 사이의 주요 차이점은 캡슐화가 주요 요구사항으로 간주되는 정도였습니다. 객체지향적 패러다임 캡슐화는 가장 중요한 요구사항 중 하나였다. 소프트웨어 컴포넌트 간의 잠재적 상호작용을 줄이고 그에 따라 대규모 복합 시스템을 관리하고자 하는 욕구는 객체 지향 기술의 핵심 동인이었다. 프레임 언어 캠프의 경우, 이 요건은 규칙, 제약조건 및 프로그래밍 논리를 나타내기 위해 가능한 광범위한 도구를 제공하고자 하는 바람보다 덜 중요했다. 객체 지향의 세계에서는 모든 것이 방법과 방법의 가시성에 의해 통제된다. 따라서 예를 들어, 객체 속성의 데이터 값에 접근하는 것은 접근자 방법을 통해 이루어져야 한다. 이 방법은 데이터 유형 검증 및 속성에서 검색되거나 설정되는 값에 대한 제약 조건과 같은 사항을 제어한다. 프레임 언어에서 이와 동일한 유형의 제약조건은 다양한 방법으로 처리될 수 있다. 트리거는 값을 설정하거나 검색하기 전이나 후에 작동하도록 정의할 수 있다. 동일한 유형의 제약조건을 관리하는 규칙을 정의할 수 있다. 슬롯 자체는 동일한 유형의 제약 정보로 다시 추가 정보(일부 언어에서는 "설비"라고 함)로 증강될 수 있다.

프레임과 OO언어의 또 다른 주요 차별화 요소는 다중 상속(프레임이나 클래스에 둘 이상의 슈퍼클래스를 허용)이었다. 프레임 언어의 경우 다중 상속이 필요했다. 이것은 인간이 하는 방식으로 세상을 모형화하려는 욕망에서 따르며, 세계의 인간 개념화는 엄격하게 정의되는 비과잉 분류법에 거의 빠지지 않는다. 많은 OO 언어의 경우, 특히 OO 말년에 단일 상속이 강하게 요구되거나 요구되었다. 다중 상속은 분석 단계에서 도메인을 모델링하는 가능한 단계로 보였지만 캡슐화와 모듈화를 유지한다는 명목으로 설계 및 구현 단계에서 제거되어야 하는 것으로 간주되었다.[7]

KRL과 같은 초기 프레임 언어는 개발자의 요구에 의해 구동되는 메시지 패싱은 포함하지 않았지만, 대부분의 후기 프레임 언어(예: Loom, KI)는 프레임에 메시지를 정의하는 기능을 포함했다.[8]

객체 지향적인 측면에서는, 비록 다른 형식이고 모두 객체 라이브러리에 표준화된 형태지만, 기본적으로 제공된 언어를 프레임으로 하는 동등한 기능성을 제공하는 표준도 등장했다. 예를 들어, 오브젝트 관리 그룹은 테스트 데이터와 제약 조건을 오브젝트(프레임의 면과 롬과 같은 프레임 언어의 제약조건에 대한 공통적인 용도와 유사함)와 규칙 엔진 통합과 같은 기능에 대한 표준화된 규격을 가지고 있다.[9][10]

역사

프레임에 대한 초기 연구는 1930년대로 거슬러 올라가는 심리학적 연구에서 영감을 얻었는데, 이는 사람들이 새로운 인지적 상황에서 해석하고 행동하기 위해 저장된 고정관념적 지식을 사용한다는 것을 보여준다.[11] 프레임이라는 용어는 마빈 민스키가 시각적 추론과 자연 언어 처리를 이해하기 위한 패러다임으로 처음 사용되었다.[12] 이러한 문제들과 많은 다른 유형의 문제들에서는 심지어 가장 작은 문제에 대한 잠재적 해결 공간이 크다. 예를 들어, 원시 오디오 스트림에서 음소를 추출하거나 물체의 가장자리를 탐지하는 것이다. 인간에게 사소한 것처럼 보이는 것들은 사실 꽤 복잡하다. 사실, 그것들이 얼마나 어려운지는 AI 연구원들이 컴퓨터가 그것들을 해결하도록 하는 것의 복잡성을 조사하기 시작할 때까지 충분히 이해되지 않았을 것이다.

프레임이나 스크립트의 초기 개념은 문제에 대한 컨텍스트를 설정하여 가능한 검색 공간을 자동으로 크게 줄인다는 것이다. 이 아이디어는 또한 AI 시스템이 식당에서 식사를 주문하는 것과 같은 일반적인 인간 상호작용을 어떻게 처리할 수 있는지를 설명하기 위해 그것을 사용한 챈크와 아벨슨에 의해 채택되었다.[13] 이러한 상호작용은 각 프레임에 대한 관련 정보를 저장하는 슬롯이 있는 프레임으로 표준화되었다. 슬롯은 객체 지향 모델링에서 객체 특성 및 객체 관계 모델의 관계와 유사하다. 슬롯은 종종 기본값을 가지지만 시나리오의 각 인스턴스 실행의 일환으로 추가적인 개선이 필요했다. 즉, 레스토랑에서의 주문과 같은 업무 수행은 프레임의 기본 사례에서 시작하여 다양한 가치를 적절하게 인스턴스화·정밀화함으로써 통제되었다. 본질적으로 추상 프레임은 객체 클래스와 프레임 인스턴스(instance)를 표현했다. 이 초기 작업에서는 주로 프레임의 정적 데이터 설명에 중점을 두었다. 슬롯의 범위, 디폴트 값 등을 규정하기 위한 다양한 메커니즘이 개발되었다. 그러나 이러한 초기 시스템에서도 절차적 능력이 있었다. 하나의 일반적인 기법은 슬롯에 부착된 "트리거"(트리거의 데이터베이스 개념과 유사함)를 사용하는 것이었다. 트리거는 슬롯에 연결된 절차 코드일 뿐이다. 트리거는 슬롯 값에 액세스하거나 수정한 후 및/또는 이전으로 실행될 수 있다.

오브젝트 클래스와 마찬가지로 프레임은 서브섬션 계층 구조로 구성되었다. 예를 들어, 기본적인 틀은 식당에서 주문하는 것일 수 있다. 그 예로는 조가 맥도날드에 가는 것이다. 레스토랑 프레임의 전문화(본질적으로 하위 클래스)는 고급 레스토랑에서 주문하기 위한 프레임일 것이다. 고급 레스토랑 프레임은 레스토랑 프레임에서 모든 기본값을 상속받지만 슬롯을 더 추가하거나 특수 프레임에 대한 기본값(예: 예상 가격 범위) 중 하나 이상을 변경한다.[14][15]

언어들

초기 프레임 언어 연구(예: 샨크와 아벨슨)의 대부분은 실험 심리학에서 나온 발견과 인간이 일상 업무에서 기능하기 위해 사용한다고 생각되는 패턴에 대응한 지식 표현 도구를 설계하려는 시도에 의해 추진되었다. 이러한 연구자들은 그러한 형식주의가 보통 인간이 세상을 개념화하는 방식에 반드시 좋은 모델은 아니라고 믿었기 때문에 수학적인 형식에 대한 관심이 적었다. 예를 들어 인간이 언어를 사용하는 방식은 종종 진정한 논리적과는 거리가 멀다.

마찬가지로 언어학에서도 1970년대 중반 찰스 J. 필모어는 프레임 의미론 이론을 연구하기 시작했으며, 나중에 프레임넷과 같은 계산적 자원으로 이어질 것이다.[16] 프레임 의미론은 인간의 언어와 인간의 인식에 대한 성찰에 의해 동기 부여되었다.

반면에 론 브라흐만과 같은 연구원들은 AI 연구자들에게 로직과 연관된 수학적인 형식주의와 계산 능력을 주고 싶었다. 그들의 목적은 이론과 논리를 설정하기 위해 프레임 언어의 프레임 클래스, 슬롯, 제약조건 및 규칙을 매핑하는 것이었다. 이 접근방식의 이점 중 하나는 모델의 검증과 생성까지도 정리 프로버와 기타 자동화된 추론 능력을 사용하여 자동화할 수 있다는 것이다. 단점은 형식적인 의미론을 가진 언어로 모델을 초기에 지정하는 것이 더 어려울 수 있다는 것이었다.

이러한 진화는 또한 "니트 대 스크래피"로 알려진 AI 연구의 고전적인 차이를 보여준다. "니트"들은 퍼스트 오더 로직과 세트 이론을 통해 달성할 수 있는 수학적 정밀성과 형식주의에 가장 많은 가치를 둔 연구자들이었다. "스크루피"들은 인간에게 직관적이고 심리적으로 의미 있는 표현에 대한 지식을 모델링하는 데 더 관심이 있었다.[17]

보다 공식적인 접근법 중 가장 눈에 띄는 것은 KL-ONE 언어였다.[18] KL-ONE은 이후 몇 개의 후속 프레임 언어를 계속해서 만들어냈다. KL-ONE과 같은 언어의 형식적인 의미론들은 이러한 프레임 언어들에게 분류기로 알려진 새로운 형태의 자동화된 추론 능력을 주었다. 분류기는 세트, 서브셋, 관계 등 프레임 언어로 다양한 선언문을 분석하는 엔진이다. 분류자는 자동으로 다양한 추가 관계를 추론할 수 있으며 모델의 일부 부분이 서로 일치하지 않을 때 탐지할 수 있다. 이러한 방식으로 추론 엔진에서 일반적으로 전진 또는 후진 체인에 의해 수행되는 많은 작업은 분류자가 대신 수행할 수 있다.[19]

이 기술은 인터넷을 다루는 데 특히 가치가 있다. KL-ONE과 같은 언어의 형식주의가 인터넷에서 발견되는 고도로 비공식적이고 비정형적인 데이터를 처리하는 데 가장 유용할 수 있다는 것은 흥미로운 결과다. 인터넷에서는 모든 시스템이 하나의 데이터 모델에서 표준화를 요구하도록 하는 것은 단순히 실현 가능하지 않다. 여러 가지 모순된 형태로 용어를 사용하는 것은 불가피하다. 분류기 엔진의 자동 분류 기능은 AI 개발자들에게 매우 일관성 없는 데이터 수집(즉, 인터넷)에 질서와 일관성을 가져올 수 있는 강력한 도구상자를 제공한다. 페이지가 텍스트 키워드뿐만 아니라 개념의 분류에 의해 정렬되는 향상된 인터넷의 비전은 시멘틱 웹이라고 알려져 있다. 원래 프레임 언어용으로 개발된 분류 기술은 시맨틱 웹의 핵심 요소다.[20][21] "니츠 대 스크럽" 격차는 시멘틱 웹 연구에서도 나타나 Linking Open Data 커뮤니티의 생성에 정점을 찍었다. 이들의 초점은 모델링보다는 웹에 데이터를 노출하는 데 있었다.

참고 항목

참조

  1. ^ "FOAF". semanticweb.org. Archived from the original on 10 February 2013. Retrieved 7 June 2014.
  2. ^ Bobrow, D.G.; Terry Winograd (1977). "An Overview of KRL: A Knowledge Representation Language". Cognitive Science. 1: 3–46. doi:10.1207/s15516709cog0101_2.
  3. ^ Brachman, Ron (1978). "A Structural Paradigm for Representing Knowledge". Bolt, Beranek, and Neumann Technical Report (3605).
  4. ^ MacGregor, Robert (June 1991). "Using a description classifier to enhance knowledge representation". IEEE Expert. 6 (3): 41–46. doi:10.1109/64.87683.
  5. ^ Mettrey, William (1987). "An Assessment of Tools for Building Large Knowledge-Based Systems". AI Magazine. 8 (4). Archived from the original on 2013-11-10. Retrieved 2013-12-09.
  6. ^ Horridge, Mathew. "Protégé OWL Tutorial A step-by-step guide to modeling in OWL using the popular Protégé OWL tools". Manchester University. Manchester University. Archived from the original on 13 December 2013. Retrieved 9 December 2013.
  7. ^ "The Unified Modeling Language". essentialstrategies.com. Essential Strategies Inc. 1999. Retrieved 10 December 2013. In your author’s experience, nearly all examples that appear to require multiple inheritance or multiple type hierarchies can be solved by attacking the model from a different direction.
  8. ^ Mettrey, William (1987). "An Assessment of Tools for Building Large Knowledge-Based Systems". AI Magazine. 8 (4). Archived from the original on 2013-11-10. Retrieved 2013-12-09.
  9. ^ Macgregor, Robert (August 13, 1999). "Retrospective on Loom". isi.edu. Information Sciences Institute. Archived from the original on 25 October 2013. Retrieved 10 December 2013.
  10. ^ "OMG Formal Specifications". omg.org. Object Management Group. Retrieved 10 December 2013.
  11. ^ Bartlett, F. C. (1932). Remembering: A Study in Experimental and Social Psychology. Cambridge, England: Cambridge University Press. doi:10.1086/399084. S2CID 7992164.
  12. ^ Minsky, Marvin (1975). "A Framework for Representing Knowledge" (PDF). In Pat Winston (ed.). The Psychology of Computer Vision. New York: McGraw Hill. pp. 211–277.
  13. ^ Schank, Roger; R. P. Abelson (1977). Scripts, Plans, Goals, and Understanding. Hillsdale, New Jersey: Lawrence Erlbaum.
  14. ^ Feigenbaum, Edward; Avron Barr (September 1, 1986). The Handbook of Artificial Intelligence, Volume III. Addison-Wesley. pp. 216–222. ISBN 978-0201118117.
  15. ^ Bobrow, D.G.; Terry Winograd (1977). "An Overview of KRL: A Knowledge Representation Language". Cognitive Science. 1: 3–46. doi:10.1207/s15516709cog0101_2.
  16. ^ Lakoff, George (18 February 2014). "Charles Fillmore, Discoverer of Frame Semantics, Dies in SF at 84: He Figured Out How Framing Works". The Huffington Post. Retrieved 7 March 2014.
  17. ^ Crevier, Daniel (1993). AI: The Tumultuous Search for Artificial Intelligence. New York: Basic Books. p. 168. ISBN 978-0-465-02997-6.
  18. ^ Brachman, Ron (1978). "A Structural Paradigm for Representing Knowledge". Bolt, Beranek, and Neumann Technical Report (3605).
  19. ^ MacGregor, Robert (June 1991). "Using a description classifier to enhance knowledge representation". IEEE Expert. 6 (3): 41–46. doi:10.1109/64.87683.
  20. ^ Berners-Lee, Tim; James Hendler; Ora Lassila (May 17, 2001). "The Semantic Web A new form of Web content that is meaningful to computers will unleash a revolution of new possibilities". Scientific American. 284 (5): 34–43. doi:10.1038/scientificamerican0501-34. Archived from the original on 2013-04-24.
  21. ^ Horridge, Mathew. "Protégé OWL Tutorial A step-by-step guide to modelling in OWL using the popular Protégé OWL tools". Manchester University. Manchester University. Archived from the original on 13 December 2013. Retrieved 9 December 2013.

참고 문헌 목록

외부 링크