本研究の目標は，正データからの極限同定における極小言語戦略と精密化を結びつけ，新たに学習可能な概念空間を見出すことである．仮説空間上の精密化がある性質をもつことが，正データからの極限同定可能性のための十分条件となることを，学習問題によらない一般的な手続きを構成することで示す．この結果を用いて，木パターン言語の非有界和で学習可能な概念空間を初めて示す．さらにこの概念空間に対し，一般的な学習手続きに対する枝刈りを施すことで，多項式更新時間の学習手続きを示す．The goal of this research is to find new classes that are identifiable in the limit from positive data, by building refinement operators into MINL strategy. We show a suffitient condition for identifiability, which consists of properties of a refinement operator on a hypothesis space. The proof is made up by constructing a generic algorithm which is independent from properties of specific domains. By applying this result, we show a class of unbounded unions of tree patterns which is identifiable. No previous research showed such a class. We construct a polynomial updating time algorithm for the class by eliminating redundancies of the generic one.