房文娟 李绍稳基于案例推理技术的研究

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

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。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。

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。

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CBR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

solution