第5章_ 基于案例的推理概要

m ax Vi , V j
史忠植 高级人工智能 14
Vi V j
2018/9/15
相似性关系
2）枚举属性的相似度 枚举型属性相似度一般有两种，一种是只要两个属性 值不同，就认为两者之间的相似度为 0，否则为1；另一种 则依据具体情况而定，不是简单的非此即彼划分，而是针 对不同的属性值间不同的关系给以具体的定义。前者其实 是质上的，即非此即彼的二值分割；后者则是量上的，进 一步细化值间的区别。一般来讲，前者定义通用，适于种 种情况；而后者则要由人来预定义，与领域知识相关的， 从而专用性强。两种方法各有自己的适用范围。
d ij Vik Vjk
k 1
其中 Vik和 Vjk分别表示范例 i和范例 j的第k个属性值 。
N
2018/9/15
史忠植 高级人工智能
17
相似性关系
2. 欧氏距离(Euclidean
)
d ij
(V
k 1
N
ik
V jk )
2
2018/9/15
史忠植 高级人工智能
18
相似性关系
2018/9/15 史忠植 高级人工智能 10
相似性关系
2.结构相似性
如果在两个结构之间存在，某种对应关系，且这种对应关系 能够保持结构一致性，则认为两结构是同构的。结构一致性要求： 一一对应的关系必须保证他们涉及的个体或低阶关系也是一一对 应的，且这种对应不应打破原来个体间的对应关系。 结构对于类比检索的意义是重大的。首先，表面上并不相似 的案例由于在结构上具有相似性，从而使类比成为可能。其次， 子结构间的同构或相似性可以使我们只需我们见树木，而不必顾 及森林。
2018/9/15
史忠植 高级人工智能
3
概 述
一个案例应具有如下特性： （1）案例表示了与某个上下文有关的具体知识，这种知识具 有可操作性； （2）案例可以是各式各样的，可有不同的形状和粒度，可涵 盖或大或小的时间片，可带有问题的解答或动作执行后的效应； （3）案例记录了有用的经验，这种经验能帮助推理机在未来 更容易地达到目标，或提醒推理机失败发生的可能性有多大等。
2018/9/15
史忠植 高级人工智能
4
概 述
总体上说，基于案例推理在如下方面对人工 智能作出了贡献： （1）知识获取； （2）知识维护； （3）改进问题求解效率； （4）改进问题求解质量； （5）提高用户接受度。
2018/9/15
源自文库
史忠植 高级人工智能
5
概述
中国科学院计算技术研究所智能信息处理开放实验室在 基于案例 推理方面进行了一系列研究。 1991年提出了记忆网模型和案例 检索算法。 1993年研制了基于案例 学习的内燃机油产品设计系 统EOFDS。 1994年开发了基于案例 推理的天气预报系统。 1995年开发了基于案例 推理的轧钢规程系统 1996年开发了基于案例推理的淮河王家坝洪水预报 调度系统FOREZ。 2000年研制了渔情分析专家系统。
2018/9/15
史忠植 高级人工智能
25
案例的表示
在生理学、心理学等领域，已经广泛开展了关于记忆的研 究。心理学的研究者们注重研究记忆的一般理论，已经提出了 许多记忆模型，典型的包括情景记忆 (episodic memory)，语 义记忆 (semantic memory)，联想记忆 (associative memory)、 Schank 的动态记忆理论 (dynamic memory) 等。 知识是有结构的体系。在某些任务的执行过程中，专家采 用语义记忆来存储信息。这种信息记忆方法具有下列优点: （1）有利于检索。 （2）易于组织。可以把它们连接成树形层次或者网络。 （3）易于管理。知识的改变只对局部产生影响。 （4）有利于知识的共享。
2018/9/15 史忠植 高级人工智能 24
基于案例推理的工作过程
(8) 类比验证: 验证目标案例 和源案例 进行类比的有效性。 (9) 案例保存: 新问题得到了解决，则形成了一个可能用于将来情形与之 相似的问题。这时有必要把它加入到案例 库中。这是学习也是这是知识获 取。此过程涉及选取哪些信息保留，以及如何把新案例 有机集成到案例 库中。修改和精化源案例 库, 其中包括泛化和抽象等过程。 在决定选取案例 的哪些信息进行保留时，一般要考虑以下几点：和问 题有关的特征描述；问题的求解结果；以及解答为什么成功或失败的原因 及解释。 把新案例加入到案例 库中， 需要对它建立有效的索引，这样以后才能 对之作出有效的回忆。索引应使得与该案例 有关时能回忆得出，与它无关 时不应回忆出。为此，可能要对案例 库的索引内容甚至结构进行调整，如 改变索引的强度或特征权值。
史忠植 高级人工智能 2018/9/15 23
基于案例推理的工作过程
(4) 类比映射: 寻找目标案例 同源案例 之间的对应关系。 (5) 类比转换: 转换源案例 中同目标案例 相关的信息，以便应用于目标 案例 的求解过程中。其中，涉及到对源案例 的求解方案的修改。把检索 到的源案例 的解答复用于新问题或新案例 之中。它们分别是，源案例 与 目标案例 间有何不同之处；源案例 中的哪些部分可以用于目标案例 。对 于简单的分类问题，仅需要把源案例 的分类结果直接用于目标案例 。它 无需考虑它们之间的差别，因为实际上案例 检索已经完成了这项工作。而 对于问题求解之类的问题，则需要根据它们之间的不同对复用的解进行调 整。 (6) 解释过程: 对把转换过的源案例 的求解方案应用到目标案例 时所出现 的失败做出解释，给出失败的因果分析报告。有时对成功也同样做出解释。 基于解释的索引也是一种重要的方法。 (7) 案例修补: 有些类似于类比转换，区别在于修补过程的输入是解方案 和一个失败报告，而且也许还包含一个解释，然后修改这个解以排除失败 的因素。
基于案例推理的工作过程
检索 建议解方案
修正 评审 实际评估 存储
2018/9/15 史忠植 高级人工智能 22
辩护
基于案例推理的工作过程
在案例推理中，关心的主要问题如下： (1) 案例表示: 基于案例 推理方法的效率和案例 表示紧密相关。案例 表 示涉及这样几个问题: 选择什么信息存放在一个案例 中；如何选择合适的 案例 内容描述结构；案例 库如何组织和索引。对于那些数量达到成千上 万、而且十分复杂的案例 , 组织和索引问题尤其重要。 (2) 分析模型: 分析模型用于分析目标案例 ，从中识别和抽取检索源案 例 库的信息。 (3) 案例检索: 利用检索信息从源案例 库中检索并选择潜在可用的源案 例 。基于案例 推理方法和人类解决问题的方式很相近。碰到一个新问题 时，首先是从记忆或案例 库中回忆出与当前问题相关的最佳案例 。后面 所有工作能否发挥出应有的作用，很大程度上依赖于这一阶段得到的案 例 质量的高低，因此这步非常关键。一般讲，案例 匹配不是精确的，只 能是部分匹配或近似匹配。因此，它要求有一个相似度的评价标准。该 标准定义得好，会使得检索出的案例 十分有用，否则将会严重影响后面 的过程。
2018/9/15 史忠植 高级人工智能
12
相似性关系
4.个体相似性
在我们的模型中强调的另一重要约束是个体的类别信息。 从不严格的意义上讲，如果两个个体之间具有一些 (或一个) 相似的属性，则它们是属于同一类别的。在概念聚类中，我们 使用概念 (或客体) 间的相关性或紧致性来对概念 (客体) 集 进行分类。相关性是指概念的属性之间相似度的平均值。但在 这里，我们将把电线和绳索看作是同一类别的，因为它们均可 以用来绑缚物体。
2 史忠植 高级人工智能
2018/9/15
概 述
人们为了解决一个新问题，先是进行回忆，从记忆中 找到一个与新问题相似的案例 ，然后把该案例 中的有 关信息和知识复用到新问题的求解之中。 在基于案例 推理 (Case-Based Reasoning, 简称CBR)中， 把当前所面临的问题或情况称为目标案例 (target case)， 而把记忆的问题或情况称为源案例 (base case)。粗略 地说，基于案例 推理就是由目标案例 的提示而获得记 忆中的源案例 ，并由源案例 来指导目标案例 求解的一 种策略。
2018/9/15
史忠植 高级人工智能
13
相似性关系
5.相似度计算
1）数值性属性的相似度
sim(Vi ,V j ) 1 d (Vi ,V j ) 1 dij
或
sim(Vi , V j )
1 1 1 d (Vi , V j ) 1 d ij
或
d i j Vi V j d ij
3.麦考斯基距离
q d ij Vik Vjk k 1 N 1/ q
2018/9/15
史忠植 高级人工智能
19
基于案例 推理的工作过程
问题
新案例 学习获取 案例
学习 保存 案例库
相似度 检索
检索案例
复用 修正 验证 自适应
检索/ 修正案例 确认解决方案
2018/9/15
高级人工智能
第五章
基于案例的推理
史忠植
中国科学院计算技术研究所
2018/9/15 史忠植 高级人工智能 1
第五章 基于案例的推理
5.1 概述 5.2 类比的形式定义 5.3 相似性关系 5.4 基于案例推理的工作过程 5.5 案例的表示 5.6 案例的索引 5.7 案例的检索 5.8 案例的复用 5.9 案例的保存 5.10 基于案例的学习 5.11 案例工程 5.12 中心渔场预报专家系统
α
相似性关系
案例的表示表明，案例 的情境是由许多属 性组成，案例 间的相似度就是根据属性（或变 量）之间的相似度定义的。目标案例 与源案例 之间的相似性有语义相似、结构相似、目标相似 和个体相似。
2018/9/15
史忠植 高级人工智能
9
相似性关系
1.语义相似性
两案例之间是可以类比的，首先必须满足语义上具有相似性 关系。相似性关系是类比问题求解的基础。两实体的类比可以区 分为正类比、反类比、不确定类比。正类比是由相似性关系所确 定的两实体之间的可类比部分， 反类比则是已被确定为两实体间 不相似的部分， 不确定类比是两实体之间尚未确定是否可类比的 部分。两个实体可类比的条件之一是:模型的本质性质和因果关系 不构成反类比的一部分。 不确定类比使得类比具有一定的预见性， 这种预见可能是正确的，也可能是错误的。在类比求解中，目标 案例 的本质特征和源案例 的本质特征必须具有相似性关系，才 能使类比有了基础。
2018/9/15 史忠植 高级人工智能
11
相似性关系
3.目标特征
问题求解的最终目的是要实现问题本身所提出的目标。人们 求解问题时，都是向着这个目标而竭尽其力。在相似的一组源案 例中，那些对实现目标案例的目标具有潜在的重要作用的源案例， 较之那些不具有目标相关性的源案例，更应该得到优先考虑。 如果为一种结构表示增加了目标信息，那么，这个增大了的 结构同其他包含有相似的目标信息的结构之间，更加具有语义相 似性和结构一致性。换言之，目标特征会增加我们对源案例选择 的可靠性。同时，它可以帮助我们限制对源案例进行搜索的范围。
2018/9/15 史忠植 高级人工智能 15
相似性关系
3）有序属性的相似度 有序属性介于数值和枚举型属性之间，也介于定性和 定量之间。属性值有序，可以赋予不同等级值间有不同的 相似度。和枚举型属性相比，有序属性规整性强。
2018/9/15 史忠植 高级人工智能 16
相似性关系
1. 绝对值距离(Manhattan):
案例 解方法
建议解方案
史忠植 高级人工智能 20
基于案例推理流程
基于案例推理有两种形式： （1）问题求解型（problem-solving CBR） （2）解释型（interpretive CBR） 前者利用案例以给出问题的解答；后者把案 例用作辩护的证据。
2018/9/15
史忠植 高级人工智能
21
类比的形式定义
已知问题A，有求解结果B， 先给定一个新问题A’，A’与A在 特定的度量下是相似的，求出问 题A’的求解结果B’。如图， β反 映B与A之间的依赖关系，称作因 果关系。 α表示源领域A与目标领 域A’之间的相似关系。由此可以 推出，B’与A’之间的依赖关系β’。 A β B α’ A’ β’ B’
2018/9/15
史忠植 高级人工智能
6
类比的形式定义
用类比求解问题，往往在提出或遇到某一问 题时，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。也可以通过对 老问题解法的检索和分析、调整，得出新问题的 解决方法。因此，计算模型除了记忆和新问题相 似的老问题的解法外，还应具有获取技能的过程 ，即必须学会根据过去有用的经验，来调整问题 求解方法。当人们对存在相似解进行更为直接的 回忆和修改后仍不能得出问题的解答时，再反过 来用弱方法求解。因此，类比是一种基于知识学 习（或经验）的学习。