基于案例的推理技術(shù)研究進展及應(yīng)用

《基于案例的推理技術(shù)研究進展及應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第29卷第3期計算機工程與設(shè)計2008年2月Vol.29No.3ComputerEngineeringandDesignFeb.2008基于案例的推理技術(shù)研究進展及應(yīng)用楊健，趙秦怡(大理學院數(shù)學與計算機學院，云南大理671003)摘要：對基于案例的推理(CBR)近年來的國內(nèi)外理論和應(yīng)用研究進展做出了綜述與評價。理論方面主要包括基于案例推理中知識表示、基于案例的解釋、案例提取失敗和恢復、案例改編和維護以及基于案例推理技術(shù)與其它人工智能技術(shù)的比較研究等；介紹了CBR在計算機與信息科學、生物學和醫(yī)學等領(lǐng)域

2、國內(nèi)外的應(yīng)用情況，并對其它一些領(lǐng)域的應(yīng)用情況作了概括性說明；最后總結(jié)并預測了基于案例推理技術(shù)的未來可能的研究方向。關(guān)鍵詞：人工智能;專家系統(tǒng);基于案例的推理;基于案例的解釋;案例改編中圖法分類號：TP18文獻標識碼：A文章編號：1000-7024(2008)03-0710-03ResearchandapplicationofCBR'sprogressionYANGJian,ZHAOQin-yi(FacultyofMathematicsandComputer,DaliUniversity,Dali67

3、1003,China)Abstract：ThispaperpresentstheprogressionoftheoryandapplicationofCBR(case-basedreasoning)inrecentyears.TheoriesincludetherepresentationofknowledgeinCBR,thecase-basedexplanation,retrievalfailureandrecoveryofcase,caseadaptationandmaintenance,co

4、mparisonbetweenCBRandotherAItechnologies,etc.Inaddition,wepresentsomerepresentativeCBRapplicationsaboutcomputerandIT,biologyandmedicine,etc.,andoutlineothersfields'application.Atlast,wesummarizethispaperandforecastthefuturepossibleresearchdirectionofCB

5、R.Keywords：AI;expertsystem;CBR;case-basedexplanation;caseadaptation以及案例的特征屬性，對CBR循環(huán)4個步驟的影響至關(guān)重大。0引言都柏林大學的Doyle等人提出在XML中表示CBR的相基于案例的推理(case-basedreasoning，CBR)是一種新興的機似度及其測度方法[1]。在此之前，該研究小組已經(jīng)構(gòu)建了一個器學習和推理方法，其核心思想是重用過去人們解決問題的經(jīng)基于XML的CBR語言——CBML，用于表示案例本身。他們驗解決

6、新問題。推理循環(huán)由4個基本過程組成，即4R循環(huán)：近期的研究主要對CBML進行擴展，用以表示案例相似度測Retrieve、Reuse、Revise、Retain，分別對應(yīng)著案例的提取、重用、改量知識。該擴展將兩個特征值間的相似度量分為3類：精確編和保存(學習)。很多知名學者和學術(shù)團體致力于CBR相關(guān)理匹配、復雜的相似度匹配以及基于差異度的匹配。精確匹配論和應(yīng)用研究，并已取得很大進展。1987年以來，國際研究界容易實現(xiàn)。復雜相似度度量可以引入外部預定義的度量對象每年舉行CBR研討會(ICCBR、ECCB

7、R)，一批優(yōu)秀的研究成果得來解決，也可以引入MathML(數(shù)學標記語言，符合XML規(guī)范)以發(fā)表，積極促進了CBR理論和應(yīng)用研究發(fā)展。目前，CBR研文檔進行度量。而基于差異度的相似度量主要包括數(shù)值型、究熱點主要集中在：CBR與其它人工智能方法的結(jié)合與比較；符號型(枚舉類型)以及層次分類型3類特征值的度量。CBRCBR作為解釋機制的算法研究；CBR的案例改編機制研究；CBR的XML表示為CBR技術(shù)進一步發(fā)展，尤其是網(wǎng)絡(luò)應(yīng)用的發(fā)在推薦、計劃、分類和預測等工作中的理論和應(yīng)用方法；CBR在展，開辟了很好的道路

8、。進一步工作包括XML在CBR技術(shù)多種學科和領(lǐng)域的實際應(yīng)用等。目前，國外已有很多成功應(yīng)用中案例改編的知識表示。CBR的系統(tǒng)和項目，并且應(yīng)用領(lǐng)域逐漸拓展。國內(nèi)在實際系統(tǒng)另外，臺灣學者在構(gòu)建智能FAQ代理服務(wù)系統(tǒng)[2]中，提出中應(yīng)用CBR的成功例子還較少，還有待進一步發(fā)展。支持本體(ontology)的CBR方法，將本體論觀點與CBR技術(shù)結(jié)合：利用本體論觀點表示案例的層次結(jié)構(gòu)及其特征向量，根據(jù)1CBR理論研究進展本體中VRelationship關(guān)系類型搜索相似案例，并進行