《毕业论文设计基于案例推理技术的研究与应用39696》由会员分享，可在线阅读，更多相关《毕业论文设计基于案例推理技术的研究与应用39696（8页珍藏版）》请在金锄头文库上搜索。
1、基于案例推理技术的研究与应用房文娟1 杨春节2 李绍稳2*（1安徽农业大学经济技术学院 2安徽农业大学信息学院，安徽 合肥 230036）摘 要：基于案例推理(Case-based reasoning. CBR)技术被认为是当今人工智能与专家系统设计的一种非常具有发展前景的方法。本文阐述了CBR的基本原理、工作过程及其主要技术；详细介绍了CBR的国内外的应用现状和研究进展。最后对CBR今后的发展趋势做出概括。关键词：基于案例推理 研究进展 应用现状 1 引言基于案例推理（Case-based reasoning，简称CBR）是近年来人工智能领域中兴起的一项重要的推理技术。与基于规则的推理模式不
2、同是，它通过访问案例库中的同类案例（源案例）的求解从而获得当前问题（目标案例）的解决方法 1。基于案例推理首先是由美国耶鲁大学罗杰沙克（Roger Schank）在研究动态存储器技术中发现的，并在1982年所著Dynamic Memory一书中提出了动态记忆理论，这被认为是最早关于CBR的思想。经过二十多年的发展，目前CBR已成为人工智能与专家系统的一种非常具有生命力的推理技术，广泛应用于诸多领域，并受到越来越多的重视。本文就CBR的研究进展和应用现状作一概括。2 CBR理论与技术2.1 CBR基本原理基于案例推理是模拟人类类比思维的一种推理方法，其推理过程往往具有人类经验推理的一些特征。CB
3、R的基本过程是：当遇到一个新的问题时，系统根据关键的特征在原始的案例库中进行检索，找出一个与待求问题最相近的候选案例，重用此候选案例的解决方法。如果对此候选案例的解决方法不满意，可以对它进行修改以适应待求问题，最后把修改过的案例作为一个新的案例保存在库中，以便下次遇到类似的问题时作为参考。CBR以案例作为知识元，知识获取和表示自然直接，并且具有自学习功能，其本质是基于相似性的类比推理，这正是符合了人类类比思维的逻辑。CBR有两种类型4，即问题求解型和解释型。问题求解型侧重于对过去策略的匹配与修改，而解释型强调以旧案例对新案例作出评价与解释。无论哪一种，其推理过程均类似于人类经验类比推理，而且具
4、有简化知识获取、通过直接获得提高求解效率、求解质量较高、适用于非计算推导的优点。因此将是人工智能与专家系统设计的一种非常具有发展前景的方法。2.2 CBR的工作过程及相关技术一个典型的CBR问题求解过程基本步骤可以归纳为R4：案例检索（Retrieve）、案例重用(Reuse)、案例修改(Revise) 和案例保留(Retain)。其工作过程如图1所示。2.2.1案例表示与组织 案例的表示方式决定着现实世界问题向案例的转换，同时对案例推理的效率有很大的影响。一个合格的案例表示至少应该包括两部分：问题的说明信息，即问题的初始 房文娟：女，1981年1月生。安徽农业大学经济技术学院讲师，主要研究方
5、向为计算机在农业上的应用。通信地址：安徽省合肥市安徽农业大学经济技术学院，邮编 230036。*李绍稳：男，1962年10月生。安徽农业大学信息学院教授，主要研究方向为智能信息处理与农业专家系统。通信地址：安徽省合肥市安徽农业大学125信箱，邮编 230036。本文通讯作者。SuggestedsolutionGeneral knowledgePreviousCasesReuseNew caseProblemRetrieveRetrievedcaseNew caseLearned caseRetainConfirmedsolutionReviseRevised caseSolvedcaseRev
6、ised case图1 基于案例推理的过程图条件；问题求解目标，达到该目标的解决方法。在案例表示中也有图片、声音、影像等。根据不同的问题，案例的表示一般有不同的方法，但大体可以分为两种思路6：动态存储模式和类别样本模式。所谓动态存储模式就是通过一种通用的案例结构来组织具有共同特征的案例，再用它们的不同点作为索引把不同的案例区分开。分类样本模式中的案例处于分类、特征、案例所组成的网状结构中，它包含三种指针：特征指针，从不同特征指向分类；案例指针，从分类指向案例；差异指针，从一个案例指向差异最小的另一个案例。案例的恰当的表示与合理组织则能够反映事物的本质特征，案例检索系统就能够迅速的从案例库中检索
7、出所要的案例，从而使效率提高。2.2.2案例检索与匹配案例知识的检索与匹配是实现案例推理的关键，也是目前CBR的一个研究热点。案例检索最终要达到以下两个目标：检索出来的案例应该尽可能的少；检索出来的案例应尽可能的与当前案例（目标案例）相关或相似或匹配。案例检索与一般检索（如Web搜索、数据库检索）有很大区别的，这种检索是在特定的案例中查找类似的历史经验，因此它有自己的特点：带有一定的不精确性或模糊性；总要求从各个角度去比较案例之间的相似性。为了衡量案例间的相似性，或者确定一个案例的比较标准，学者们提出了相似度、差异度、模糊贴近度等概念，并针对这些概念提出了许多算法。从检索策略的角度来说，目前C
8、BR的案例知识检索主要有最近相邻策略、归纳推理策略、知识引导策略、模板检索策略等，并且最近相邻策略和归纳推理引导策略是较为通用的检索方法。2.2.3 案例重用 案例的重用就是用解决旧案例的经验来解决新的问题。案例重用包括思路重用和过程重用。所谓思路重用就是重新应用旧案例的解决问题的方法到新案例中。所谓过程重用是重新应用整个解决问题的过程，包括思路和具体的实施细节。2.2.4 案例修改和保留案例修改是指解决方案的评估和错误的修正。一般地，在CBR中有两种案例修改方法5：结构修改和诱导修改。结构修改就是直接应用规则或公式修改所存储的相似案例（候选案例）的结论以适应新的问题。诱导修改就是重用得出以前
9、案例结果的规则或公式。采用诱导修改需要另外存储如何得出案例结论的步骤和知识，以便改写时应用。系统对案例修改分为两步进行：首先分析新问题的要求与候选案例之间的不同；再以候选案例为基础进行修改。可以对某一候选案例进行修改，也可以对多个候选案例进行重组和修改。修改后的案例经过验证，如果是可行的或正确的，就可作为新的案例存储到案例库中。这样，随着新案例的加入，就标志着系统进行了一次知识获取，即完成了一次学习过程。这种自学习功能最能体现CBR的优势和生命力。2.2.5 系统维护系统维护主要是对案例库的维护。案例库的维护分为案例的增加、删除、完善等方面。为了保证案例检索的速度，在保持案例典型性的前提下，需
10、要不断减少案例的冗余，但这在实际中往往与案例库丰富相矛盾。所以一般应根据CBR系统的应用领域来决定案例数量范围。例如，在 CASSIOPEE系统中，案例库中就包括23000个案例，而且案例越多越好。但根据我们的研究结果，对于CBR在农业中应用（如病虫害诊断、预测），案例就特别要求其典型性。这是因为农业领域的许多知识比较粗糙，案例过多必然产生大量重叠，势必会影响系统检索速率。2.3 CBR的特点基于案例推理是不同于以往的基于规则的推理（Rule-based reasoning, RBR）模式，它克服了RBR的一些缺点。首先，基于规则推理过程中的知识获取是一个瓶颈。它需要领域专家把自己的知识经验告
11、诉知识工程师，然后由知识工程师将其抽取、转化、编写成规则形式，存储于知识库。这个过程往往费时费力，十分繁琐困难。而CBR的知识获取仅是简单的获取过去的案例。第二，RBR中的规则一旦确定，如果需要增加或修改其中的一点或一条，则牵扯到整个规则库。而CBR的知识库储存的是一个一个案例，修改其中的某一案例不会影响其他内容。也就是CBR的知识库维护十分简单。第三，CBR能够在解决新问题的同时，保存新案例到案例库中来实现自学习的功能。经过一段时间的使用，系统的准确性会得到提高。这是CBR系统最突出的优点。而RBR则没有这个功能，它必须借助于领域专家和知识工程师的合作。最后，CBR系统中案例的表示简单明了，
12、直观性强。3 CBR的研究与应用状况3.1应用状况最早的一个CBR应用系统是CYRUS2，由Janet Kolodner在耶鲁大学开发的。它是基于Roger Schank的动态存储器模型（认知模型），主要用于处理对活动安排的查询，如各种旅行和会议等。这成了后来许多CBR系统的基础。另一个重要基础是，德克萨斯州立大学Bruce Poter发展的机器分类学习的概念。他提出把领域知识和特殊的案例综合成为一个统一的表达方式，这种表达方式在GREBE系统中得到了进一步的发展9。80年代后期，美国ReMind系统的产生，被认为是CBR从认知科学向人工智能方向转变的标志。另一个对CBR做出重要贡献的系统是H
13、YPO9。它是由麻萨诸塞州立大学的Edwina Rissland 小组开发的一个法律案例系统。在这个系统中案例不仅用来得出结论，而且还用来解释和评估结论。HYPO系统的成功开发，丰富了CBR的应用范围。目前，随着人们对CBR研究和应用的逐渐深入，使得CBR的应用范围和领域还在不断扩大。先后在通用问题求解、法律案例、医药医疗、天气预报、机器故障诊断、企业咨询决策等方面获得应用，并证明了CBR方法的有效性和实用性。在网络和电子商务方面的应用也在不断展开。例如，网上商店智能向导、网上信息智能咨询系统、网上CBR开发工具等。就总的说来，CBR的各种应用在美国和欧洲已经得到相当发展，居世界领先。下面简要
14、介绍几个比较成功且已得到商业化的CBR应用系统10。JUDGE是Riesbeck于1989年开发的一个模拟司法判决的基于案例模型。程序最初只有一组简单的形成判决的策略，但在系统具有了几个源案例之后，开始使用目标案例的提示信息来检索这些源案例，并修改这些源案例中的使用策略，以便形成关于目标案例的新的判决。CHEF是一个基于案例的烹调规划设计程序。它可以根据不同菜对配料和品味的特殊要求，检索源案例中的菜谱，修改并创建新的菜谱。CABOT主要是由Callan于1991年研制开发，能够进行案例推理以指导状态空间搜索。该系统成功应用表明，CBR系统不仅能够动态的调节检索以及具有自适应的机制，而且具有自学
15、习功能。CASSIOPEE是一个值得关注的CBR故障诊断系统，它是由AcknoSoft(Paris)在KATE TOOLS 的基础上为CFM-Internation而设计。CFM-Internation使用CASSIOPEE来维护波音737飞机上的CFM56-3引擎动力系统，它的案例库包含23000多个案例：关于所有这些动力部件的历史信息。案例的结构简单，约含有80个属性。系统使用的一些方法诸如：可以归纳学习的决策树，根据环境询问额外的信息，服务手册部分内容的集成等，还有一个包含25000张图片的图片注释部件目录。该系统的应用，减少了一半的故障诊断时间，从而显著减少机场晚点时间。此外，还有一些成功的CBR系统如：Inference 的CBR2，Isoft 的RECALL，Cognitive System Inc. 的REMIND， Esteem Software Inc. 的ESTEEM，以及TechInno 的CBR-WORKS等，均已达到了商业应用程度。相对于国外，国内真正运用到生产或商业化的CBR系统还很少，目前主要集中在大学和科研院所的研究应用。中国科学院计算技术研究所在这方面曾进行了一系列的研究。如，1991年李保东、史忠植提出了记忆网模型和案例检索算法；1993年周涵研制了基
