基于案例的推理cbr研究综述.doc

基于案例的推理cbr研究综述.doc

《基于案例的推理cbr研究综述.doc》由会员分享，可在线阅读，更多相关《基于案例的推理cbr研究综述.doc（4页珍藏版）》请在冰豆网上搜索。

基于案例的推理CBR研究综述

一、案例推理的起源与发展

基于案例推理（Case-BasedReasoning,CBR）的发展史大约可以追溯到20世纪70年代后期，它最初起源于认知科学和人工智能领域。

它的研究发源于美国，最早可以追溯到美国耶鲁大学认知科学和人工智能专家罗杰.沙克，1975年罗杰.沙克在《概念信息加工》一书中提出了“概念依赖（ConceptualDependency）理论”这一理论的关键是吧自然语言句子的“含义”明确地、唯一地表示出来，他使用11种所谓的“原始动作（primitiveacts）”来表示自然语言所表示的所有动作。

用一些规则把概念结合起来构成概念表达式（conceptualization）来表示自然语言句子的“含义”。

[1]正是这一研究引领罗杰.沙克走向了关注人类如何利用日常经验进行问题解决的研究之路，也催生了后来影响深远的CBR理论。

1977年，罗杰和埃布尔森（Abelson）发表了具有里程碑意义的研究成果Scripts,Plans,GoalsandUnderstanding,开创性的提出了脚本（Scripts）的概念。

1983年剑桥大学出版了罗杰的著作《动态记忆：

关于计算机与人的回忆与学习的理论》，该著作对CBR进行了全面的阐释，提出了以“记忆组织包（MemoryOrganizationPackets）”为核心的“动态记忆（DynamicMemory）”理论。

标志着这一重要理论的初步形成。

[2]

罗杰.沙克提出的“动态记忆”理论对认知科学产生了较大的影响，因此，学术界把罗杰和布埃尔森1977年的研究成果视为CBR的思想源起，认为CBR是从罗杰.沙克和他的学生在耶鲁大学早起所做的研究以及他们对脚本的研究中衍生而来的。

而把1982年提出的动态记忆理论视为人工智能领域中最早关于CBR的理论描述。

可以说，从概念依赖到脚本，再到动态记忆，最终产生和形成了CBR思想。

目前，全世界至少有35个大学或学院正在从事CBR的研究。

众多CBR研究结果出现在大部分人工智能期刊和学术会议上。

这些学者和学术组织一方面研究CBR的认知基础和推理特征，如知识获取、合理推理、异常解释、医疗诊断等。

另一方面，在人工智能领域探讨和验证CBR的认知模型和开发技术。

他们对CBR的发展过程做了非常重要的贡献，从不同层次和不同视角揭示了CBR的认知过程，积极推动了CBR在人工智能领域的快速发展。

[3]

二、案例推理的定义及相关模式

（一）案例推理的定义

案例推理的概念界定大致可以从认知科学的视角、人工智能的视角和学习科学的视角三个视角进行阐释。

在认知科学领域，CBR是人类解决问题的一种认知模型。

CBR反映了人类解决问题的一种类比推理过程。

珍妮.克洛德娜指出：

“CBR意味着使用过去经验来解释和解决新的问题。

在CBR中，推理者回忆与现在相似的先前情境，并用其来解决新问题。

CBR意味着调整先前的解决方案来满足新需求；使用过去案例来解释新情境；使用过去案例来评判新的解决方案；或者像律师那样从以前的案例中做出推理来解释新情境，或者像劳工仲裁者那样建立新问题的合理解决方案。

”[4]

在人工智能的研究领域中，CBR是人工智能建立智能机器所参考的一种有效推理技术。

CBR在人工智能领域被作为一种提高计算机推理能力而建立的推理技术。

人工智能领域在建立解决问题的过程中，将CBR视为解决问题的一种认知计算系统，其工作原理是“当遇到一个新的问题时，系统根据新问题的关键特征在原始的案例库中进行检索，找出一个与待求问题最详尽的候选案例，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案例保存在库中，以便下次遇到相似的问题时作为参考。

”[5]在CBR的智能系统中，专家解决问题的知识和推理过程隐含在解决方案中。

瑞斯贝克（Riesbeck）和罗杰.沙克将CBR定义为：

通过访问案例库中的同类案例（源案例）的解决方法，从而获得当前问题（目标案例）解决方法的一种推理技术。

在CBR系统中，推理的知识单元就是案例。

[6]因此，从人工智能的角度来理解，CBR就是专家系统模拟人类依据过去经验思考和决策解决问题的一种推理技术。

在学习科学领域，CBR是一种经验学习模型，它揭示了人们遇到问题时会通过先前经验做出“做什么”和“如何做”决策，也可以通过过去经验预测“可能会发生什么”。

从另一个侧面来看，CBR将推理、学习与记忆融合为一个整体，揭示了人们如何使用自己或其他人的经验进行推理和学习。

显然，从经验中学习是CBR的核心。

在基于案例的推理中，利用过的经验来解决问题，必然涉及：

记忆、确定适用性、应用这三个步骤。

完成这三个步骤需要推理者理解新问题，回忆先前类似的案例，修正和适用案例，反思推理过程，以及对新案例建立解释、索引等发展过程。

所以，学习意味着通过以下三种方式来扩展一个人的知识，即通过解释新的经验把它们整合到记忆中；通过重新解释旧经验并重新对其建立索引，以使它们更有用和更易存取；以及通过从一组经验中抽取出普遍原理。

[7]

（二）案例推理的相关模式

基于案例推理的核心思想为“相似的案例有着相似的解决办法”。

过去许多学者发展各自不同的基于案例推理模式，他们的意图是为了对基于案例推理的过程提供更好的理解，给予更好的诠释。

在基于案例推理的研究过程中，许多学者和研究团体创建了基于案例推理的认知模式，具体见下表1：

表1：

CBR相关模式

提出者及时间

模式

1992年，珍妮.克洛德那在MEDIATOR系统的开发基础上提出的CBR模型

适应（Adapt）

检索（Retrieve）

提出变通方案

（Proposeballparksolution）

证明（Justify）

适应（Adapt）

评论（Criticize）

评价（Evaluate）

存储（Store）

1994年，奥模特和普拉扎建立了R4模型

案例

解决

所学

案例

一般知识

一般知识

先前案例

测试、修正案例

新案例

检索

案例

新案例

问题

检索

重用

修正

存储

1995年，亨特将系统效率效益和进化系统的灵活性融入CBR模型中，创建了进化的CBR模型

案例库

（Casebase）

修正（Repair）

评价（Evaluate）

适应（Adapt）

检索（Retrieve）

输入（Input）

2003-2004年加文.R.芬尼，孙兆浩等学者在R4的基础上增加了重新分配对的步骤，将相似推理的思想融入了CBR之中

2008年，大卫.里克提出SWALE项目

SWALE项目是运用类比建立一种试图解释1984年赛马Swale以外死亡的原因的认知计算系统，大卫.里克在SWALE项目中，其研究的意图就是利用过去已有案例创造性地解释一些异常事件。

SWALE项目机遇以往事件解释异常现象的示例

1984年，Swale是年龄为3岁的最好的赛马，它赢得了所有重大比赛。

在一场重大胜利后的某天清晨飞奔回来后暴死在马厩外，这件事震惊了马术界，人们试图解释其中的原因，由此产生了许多假设，但实际原因却从来没被确定。

·联想：

思考其他身体处于巅峰时刻的死亡案例，这个系统回忆起了赛跑运动员JimFixx的死亡。

由于遗传心脏病，它在过度的赛跑负荷中死亡。

解释：

Swale可能有心脏病，由于赛跑诱发心脏病暴毙

·联想：

思考其他年轻明星的死亡，系统回忆起了JanisJoplin的死亡，他是由于过量吸毒造成的。

解释1：

Swale作为一个超级巨星压力过大，它求助于毒品进行逃避，死于毒品过量。

解释2：

Swale的驯马师给Swale服用一些提高表演的药物，死于偶然性的过量。

·联想：

思考民间关于死亡的原因，这一因素导致系统回忆起一些无稽之谈：

太多性行为会杀了你

解释1：

尽管比赛用的马在他们的赛马生涯中禁止性行为，但是Swale的私有可能是因为想到了种马的兴奋而导致的心脏病突发暴毙

解释2：

Swale可能是自杀行为，因为当它想到性时十分沮丧。

解释3：

Swale有可能死于因性幻想而分心造成的事故中。

三、CBR的关键技术

目前，关于CBR系统的实现技术一般都围绕CBR几个关键步骤进行，如案例的表示，案例的组织与存储，案例的修改/修正，以及案例的保留。

（一）案例的表示