언어적 진리값 개념격자를 이용한 암묵지 탐색 알고리즘

초록

본 논문은 6진법 언어적 진리값(LTV) 개념격자를 기반으로 암묵지를 체계적으로 발굴하는 모델과 알고리즘을 제시한다. 속성을 지식으로 표현하고, LTV 확장 컨텍스트와 동형(congener) 컨텍스트를 정의해 암묵지 형성의 필요·충분 조건을 이론화한다. 또한, 동형 컨텍스트 생성 및 개념격자 구축 절차를 구체화한 알고리즘을 제안한다.

상세 분석

이 연구는 전통적인 개념격자 이론을 언어적 진리값(Linguistic Truth‑Valued, LTV) 체계와 결합함으로써, 불확실하고 모호한 인간 지식, 특히 암묵지를 정량적으로 모델링하려는 시도이다. 저자들은 먼저 6‑ary LTV 집합 {0, a, b, c, d, 1}을 정의하고, 이 집합에 대한 부분 순서와 연산을 통해 라티스 구조를 구축한다. 기존 2‑값(0/1) 혹은 3‑값(예/불/모름) 개념격자와 달리, 6‑ary LTV는 ‘매우 낮음’부터 ‘매우 높음’까지 여섯 단계의 언어적 정도를 동시에 표현할 수 있어, 속성‑객체 관계를 보다 세밀하게 기술한다.

논문은 “속성 확장 컨텍스트”(attribute‑extended context)를 도입한다. 여기서 각 속성은 LTV 값으로 평가되며, 객체‑속성 매트릭스는 6‑ary 값으로 채워진다. 이 매트릭스를 기반으로 “동형 컨텍스트”(congener context)를 정의하는데, 이는 기존 컨텍스트와 동일한 객체·속성 집합을 유지하면서, 특정 속성값을 변형하거나 추가함으로써 암묵지의 잠재적 구조를 드러낸다. 저자는 동형 컨텍스트가 원래 컨텍스트와 구조적 일관성을 유지하도록 하는 ‘구조 일관성(Structure Consistency)’ 조건을 수학적으로 정리하고, 이를 만족하는 경우에만 암묵지가 형성된다고 주장한다.

필요·충분 조건에 대한 정리는 두 가지 핵심 정리로 요약된다. 첫째, 동형 컨텍스트의 LTV 값이 기존 컨텍스트의 상향(또는 하향) 변환을 통해 얻어질 때, 해당 변환이 라티스 연산(합·교)와 호환되어야 한다. 둘째, 변환된 컨텍스트가 생성하는 개념(Extents와 Intents)의 쌍이 원래 개념과 동일한 부분 순서 관계를 유지해야 한다. 이러한 조건은 암묵지의 ‘숨겨진’ 의미가 기존 명시적 지식과 충돌하지 않으며, 논리적으로 일관된 확장을 보장한다는 점에서 의미가 크다.

알고리즘 측면에서 저자는 두 단계로 구성된 절차를 제시한다. 첫 단계는 주어진 LTV 컨텍스트로부터 동형 컨텍스트를 생성하는 과정으로, 각 속성에 대해 가능한 6‑ary 변환을 탐색하고, 구조 일관성 검증을 수행한다. 두 번째 단계는 동형 컨텍스트를 이용해 LTV 개념격자를 구축하는 것으로, 전통적인 Ganter‑Wille 알고리즘을 6‑ary 연산에 맞게 확장한다. 복잡도 분석에 따르면, 변환 탐색 단계는 속성 수 m과 LTV 값의 종류 k(=6)에 대해 O(m·k)이며, 격자 구축 단계는 기존 알고리즘과 동일하게 최악의 경우 O(2^n) (n은 객체 수)이다.

이론적 기여 외에도, 논문은 간단한 사례 연구를 통해 제안된 모델이 실제 암묵지(예: 전문가의 경험적 판단)를 효과적으로 추출함을 시연한다. 그러나 실험이 제한적이며, 대규모 데이터셋에 대한 성능 평가와 비교 연구가 부족한 점은 향후 과제로 남는다. 전반적으로, 6‑ary LTV 개념격자와 동형 컨텍스트 개념은 불확실성 높은 지식 영역을 형식화하는 새로운 패러다임을 제공한다.