基于案例推理技术的研究与应用应用研究基于基.doc

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
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。CBR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。
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。

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。
房文娟:女,1981年1月生。安徽农业大学经