중재를 위한 사례기반추론과 상식·구조 매핑 통합 시스템

초록

본 논문은 사례기반추론(CBR)에 구조 매핑 이론과 상식 추론을 결합해, 다양한 도메인의 분쟁을 인간 중재자와 유사하게 해결하는 인공지능 중재 시스템을 설계한다. 온톨로지를 활용한 사례 표현, 구조 매핑 엔진(SME) 기반의 유사 사례 검색·적응, 그리고 ConceptNet·WordNet을 이용한 온톨로지 확장을 통해 창의적 해결안을 도출한다.

상세 분석

이 연구는 전통적인 CBR이 한정된 도메인에 머무는 한계를 구조 매핑 이론(Structure Mapping Theory, SMT)과 상식 지식베이스를 도입함으로써 극복한다. 사례는 당사자들의 인식과 목표를 표현한 온톨로지 그래프로 모델링되며, 각 노드와 관계는 의미적 유사성을 보존한다. 검색 단계에서는 SME가 두 온톨로지 간의 구조적 대응을 정량화해 SMEScore를 산출하고, 최고 점수를 받은 과거 사례를 후보로 선정한다. 적응 단계에서는 해당 매핑을 통해 목표·제한·해결책을 목표 도메인에 투사한다. 상식 추론 모듈은 ConceptNet과 WordNet을 활용해 온톨로지를 확장한다. 확장 계수 η에 따라 개념 수를 증가시켜 잠재적 매핑 후보를 늘리며, 실험에서는 η≈6에서 최적의 매핑 수와 점수가 관찰되었다. 논문은 오렌지와 시나이 분쟁을 예시로, 자원 분할 문제를 군사·민간 측면으로 재구성하는 과정을 보여준다. 이 과정은 인간 중재자가 “핵심 목표를 재정의”하는 전략과 일치한다. 시스템은 다중 에이전트 환경에서도 중재자와 협상가 간의 대화 흐름을 관리하고, 사례 저장·재사용 메커니즘을 통해 지속적인 지식 축적이 가능하도록 설계되었다. 주요 기여는(1) 온톨로지 기반 사례 표현, (2) SMT 기반 구조적 유사도 계산, (3) 상식 기반 온톨로지 확장, (4) 도메인 간 적응 메커니즘이다. 한계로는 온톨로지 구축 비용, 상식 지식의 불완전성, 그리고 복잡한 분쟁에서의 해석적 투명성 부족이 있다. 향후 연구에서는 자동 온톨로지 학습, 대규모 사례베이스 구축, 그리고 인간 중재자와의 협업 인터페이스 개발을 제안한다.