基于案例推理

5.1概述

基于案例推理（CBR,case base reasoning）,是高级人工智能的一个比较成熟的一个分支。是基于过去的实际经验或经历的推理。

基于案例推理对人工智能所做出的贡献主要表现在如下几个方面：

（1）知识获取

（2）知识维护

（3）改进问题求解效率：基于案例推理复用过去的解答，无需同常规推理那样从头做起。

（4）改进问题

（5）提高用户 接受度：用户如果知道系统得出的结论是合理地推出的，他才会相信该结论。

5.2 类比形式的定义：运用类比求解问题，往往在提出或遇到某一问题的时候，回忆以前相似的老问题，通过对两种情况进行匹配，经过推理获得新知识。

5.3相似性关系

就是描述：源领域（source domain）与目标领域（target domain）之间的关系。

（1）语义相似性

（2）结构相似性

（3）目 标特征

（4）个体相似性

（5）相似度计算：

1）数值型属性的相似度

2）枚举型属性的相似度

3）有序属性的相似度

[1]绝对值距离

[2]欧氏距离

[3]麦考斯基距离

5.4基于案例推理的工作过程

基于案例推理有两种表现形式：问题求解型（problem-solving CBR）和解释型（interpretive CBR）,前者是利用案例以给出问题的解答，后者把案例用作辩护的证据。

在案例推理的过程当中，关心的主要问题如下：

（1）案例表示 （5）类比转换 （9）案例保存

（2）分析模型 （6）解释过程

（3）案例检索 （7）案例修补

（4）类比映射 （8）类比验证

5.5 案例的表示：记忆网与语义网

5.6案例的索引：建立案例索引的三个原则（1）索引与具体领域有关（2）索引应该有一定的抽象或泛化程度（3）索引应该有一定的具体性

5.7案例的检索

5.8案例的复用

5.9案例的保存：包含的4R是检索（retrieval）重用（reuse）修正（revise）保存(retrain)。

5.10基于例示的学习

5.11案例的工程