第5章_ 基于案例推理

1、2022-1-18史忠植 高級(jí)人工智能1高級(jí)人工智能高級(jí)人工智能第五章 基于案例的推理基于案例的推理 史忠植史忠植 中國(guó)科學(xué)院計(jì)算技術(shù)研究所2022-1-18史忠植 高級(jí)人工智能2第五章第五章 基于基于案例的案例的推理推理5.1 概述5.2 類比的形式定義5.3 相似性關(guān)系 5.4 基于案例推理的工作過程5.5 案例的表示 5.6 案例的索引5.7 案例的檢索5.8 案例的復(fù)用5.9 案例的保存5.10 基于案例的學(xué)習(xí)5.11 案例工程5.12 中心漁場(chǎng)預(yù)報(bào)專家系統(tǒng)2022-1-18史忠植 高級(jí)人工智能3概概 述述 人們?yōu)榱私鉀Q一個(gè)新問題，先是進(jìn)行回憶，從記憶中人們?yōu)榱私鉀Q一個(gè)新問題，先是進(jìn)行

2、回憶，從記憶中找到一個(gè)與新問題相似的案例找到一個(gè)與新問題相似的案例 ，然后把該案例然后把該案例 中的有中的有關(guān)信息和知識(shí)復(fù)用到新問題的求解之中。關(guān)信息和知識(shí)復(fù)用到新問題的求解之中。 在在基于案例基于案例 推理推理 (Case-Based Reasoning, 簡(jiǎn)稱簡(jiǎn)稱CBR)中，中，把當(dāng)前所面臨的問題或情況稱為目標(biāo)案例把當(dāng)前所面臨的問題或情況稱為目標(biāo)案例 (target case)，而把記憶的問題或情況稱為源案例而把記憶的問題或情況稱為源案例 (base case)。粗略。粗略地說，基于案例地說，基于案例 推理就是由目標(biāo)案例推理就是由目標(biāo)案例 的提示而獲得記的提示而獲得記憶中的源案例憶中的源案

3、例 ，并由源案例，并由源案例 來指導(dǎo)目標(biāo)案例來指導(dǎo)目標(biāo)案例 求解的一求解的一種策略。種策略。2022-1-18史忠植 高級(jí)人工智能4概概 述述 一個(gè)案例應(yīng)具有如下特性：一個(gè)案例應(yīng)具有如下特性：（1 1）案例表示了與某個(gè)上下文有關(guān)的具體知識(shí)，這種知識(shí)具）案例表示了與某個(gè)上下文有關(guān)的具體知識(shí)，這種知識(shí)具有可操作性；有可操作性；（2 2）案例可以是各式各樣的，可有不同的形狀和粒度，可涵）案例可以是各式各樣的，可有不同的形狀和粒度，可涵蓋蓋或大或小的時(shí)間片，可帶有問題的解答或動(dòng)作執(zhí)行后的效應(yīng)；或大或小的時(shí)間片，可帶有問題的解答或動(dòng)作執(zhí)行后的效應(yīng)；（3 3）案例記錄了有用的經(jīng)驗(yàn)，這種經(jīng)驗(yàn)?zāi)軒椭评頇C(jī)在未

4、來）案例記錄了有用的經(jīng)驗(yàn)，這種經(jīng)驗(yàn)?zāi)軒椭评頇C(jī)在未來更容易地達(dá)到目標(biāo)，或提醒推理機(jī)失敗發(fā)生的可能性有多大等。更容易地達(dá)到目標(biāo)，或提醒推理機(jī)失敗發(fā)生的可能性有多大等。 總體上說，基于案例推理在如下方面對(duì)人工智能作出了貢獻(xiàn)：（1）知識(shí)獲?。唬?）知識(shí)維護(hù)；（3）改進(jìn)問題求解效率；（4）改進(jìn)問題求解質(zhì)量；（5）提高用戶接受度。概概 述述2022-1-18史忠植 高級(jí)人工智能52022-1-18史忠植 高級(jí)人工智能6概述概述 中國(guó)科學(xué)院計(jì)算技術(shù)研究所智能信息處理開放實(shí)驗(yàn)室在基于案例 推理方面進(jìn)行了一系列研究。 1991年提出了記憶網(wǎng)模型和案例 檢索算法。 1993年研制了基于案例 學(xué)習(xí)的內(nèi)燃機(jī)油產(chǎn)品設(shè)

5、計(jì)系 統(tǒng)EOFDS。 1994年開發(fā)了基于案例 推理的天氣預(yù)報(bào)系統(tǒng)。 1995年開發(fā)了基于案例 推理的軋鋼規(guī)程系統(tǒng) 1996年開發(fā)了基于案例推理的淮河王家壩洪水預(yù)報(bào) 調(diào)度系統(tǒng)FOREZ。 2000年研制了漁情分析專家系統(tǒng)。類比的形式定義類比的形式定義 用類比求解問題，往往在提出或遇到某一問題時(shí)，回憶以前相似的老問題，通過對(duì)兩種情況進(jìn)行匹配，經(jīng)過推理獲得新知識(shí)。也可以通過對(duì)老問題解法的檢索和分析、調(diào)整，得出新問題的解決方法。因此，計(jì)算模型除了記憶和新問題相似的老問題的解法外，還應(yīng)具有獲取技能的過程，即必須學(xué)會(huì)根據(jù)過去有用的經(jīng)驗(yàn)，來調(diào)整問題求解方法。當(dāng)人們對(duì)存在相似解進(jìn)行更為直接的回憶和修改后仍不

6、能得出問題的解答時(shí)，再反過來用弱方法求解。因此，類比是一種基于知識(shí)學(xué)習(xí)（或經(jīng)驗(yàn)）的學(xué)習(xí)。類比的形式定義類比的形式定義 已知問題A，有求解結(jié)果B，先給定一個(gè)新問題A，A與A在特定的度量下是相似的，求出問題A的求解結(jié)果B。如圖， 反映B與A之間的依賴關(guān)系，稱作因果關(guān)系。 表示源領(lǐng)域A與目標(biāo)領(lǐng)域A之間的相似關(guān)系。由此可以推出，B與A之間的依賴關(guān)系。2022-1-18史忠植 高級(jí)人工智能9相似性關(guān)系相似性關(guān)系 案例的表示表明，案例案例的表示表明，案例 的情境是由許多屬的情境是由許多屬性組成，案例性組成，案例 間的相似度就是根據(jù)屬性（或變間的相似度就是根據(jù)屬性（或變量）之間的相似度定義的。目標(biāo)案例量）之

7、間的相似度定義的。目標(biāo)案例 與源案例與源案例 之間的相似性有語義相似、結(jié)構(gòu)相似、目標(biāo)相似之間的相似性有語義相似、結(jié)構(gòu)相似、目標(biāo)相似和個(gè)體相似。和個(gè)體相似。2022-1-18史忠植 高級(jí)人工智能10相似性關(guān)系相似性關(guān)系1.1.語義相似性語義相似性 兩案例之間是可以類比的，首先必須滿足語義上具有相似性關(guān)系。相似性關(guān)系是類比問題求解的基礎(chǔ)。兩實(shí)體的類比可以區(qū)分為正類比、反類比、不確定類比。正類比是由相似性關(guān)系所確定的兩實(shí)體之間的可類比部分， 反類比則是已被確定為兩實(shí)體間不相似的部分， 不確定類比是兩實(shí)體之間尚未確定是否可類比的部分。兩個(gè)實(shí)體可類比的條件之一是:模型的本質(zhì)性質(zhì)和因果關(guān)系不構(gòu)成反類比的一

8、部分。 不確定類比使得類比具有一定的預(yù)見性，這種預(yù)見可能是正確的，也可能是錯(cuò)誤的。在類比求解中，目標(biāo)案例 的本質(zhì)特征和源案例 的本質(zhì)特征必須具有相似性關(guān)系，才能使類比有了基礎(chǔ)。2022-1-18史忠植 高級(jí)人工智能11相似性關(guān)系相似性關(guān)系 2.2.結(jié)構(gòu)相似性結(jié)構(gòu)相似性 如果在兩個(gè)結(jié)構(gòu)之間存在，某種對(duì)應(yīng)關(guān)系，且這種對(duì)應(yīng)關(guān)系能夠保持結(jié)構(gòu)一致性，則認(rèn)為兩結(jié)構(gòu)是同構(gòu)的。結(jié)構(gòu)一致性要求：一一對(duì)應(yīng)的關(guān)系必須保證他們涉及的個(gè)體或低階關(guān)系也是一一對(duì)應(yīng)的，且這種對(duì)應(yīng)不應(yīng)打破原來個(gè)體間的對(duì)應(yīng)關(guān)系。 結(jié)構(gòu)對(duì)于類比檢索的意義是重大的。首先，表面上并不相似的案例由于在結(jié)構(gòu)上具有相似性，從而使類比成為可能。其次，子結(jié)構(gòu)間

9、的同構(gòu)或相似性可以使我們只需我們見樹木，而不必顧及森林。2022-1-18史忠植 高級(jí)人工智能12相似性關(guān)系相似性關(guān)系3.3.目標(biāo)特征目標(biāo)特征 問題求解的最終目的是要實(shí)現(xiàn)問題本身所提出的目標(biāo)。人們求解問題時(shí)，都是向著這個(gè)目標(biāo)而竭盡其力。在相似的一組源案例中，那些對(duì)實(shí)現(xiàn)目標(biāo)案例的目標(biāo)具有潛在的重要作用的源案例，較之那些不具有目標(biāo)相關(guān)性的源案例，更應(yīng)該得到優(yōu)先考慮。 如果為一種結(jié)構(gòu)表示增加了目標(biāo)信息，那么，這個(gè)增大了的結(jié)構(gòu)同其他包含有相似的目標(biāo)信息的結(jié)構(gòu)之間，更加具有語義相似性和結(jié)構(gòu)一致性。換言之，目標(biāo)特征會(huì)增加我們對(duì)源案例選擇的可靠性。同時(shí)，它可以幫助我們限制對(duì)源案例進(jìn)行搜索的范圍。2022-1

10、-18史忠植 高級(jí)人工智能13相似性關(guān)系相似性關(guān)系 4.個(gè)體相似性 在我們的模型中強(qiáng)調(diào)的另一重要約束是個(gè)體的類別信息。從不嚴(yán)格的意義上講，如果兩個(gè)個(gè)體之間具有一些 (或一個(gè)) 相似的屬性，則它們是屬于同一類別的。在概念聚類中，我們使用概念 (或客體) 間的相關(guān)性或緊致性來對(duì)概念 (客體) 集進(jìn)行分類。相關(guān)性是指概念的屬性之間相似度的平均值。但在這里，我們將把電線和繩索看作是同一類別的，因?yàn)樗鼈兙梢杂脕斫壙`物體。 2022-1-18史忠植 高級(jí)人工智能14相似性關(guān)系相似性關(guān)系5.相似度計(jì)算相似度計(jì)算1）數(shù)值性屬性的相似度或或 ijjijidVVdVVsim1),(1),(ijjijidVVdV

11、Vsim11),(11),(jijiijjiijVVVVdVVd,max2022-1-18史忠植 高級(jí)人工智能15相似性關(guān)系相似性關(guān)系2）枚舉屬性的相似度 枚舉型屬性相似度一般有兩種，一種是只要兩個(gè)屬性值不同，就認(rèn)為兩者之間的相似度為0，否則為1；另一種則依據(jù)具體情況而定，不是簡(jiǎn)單的非此即彼劃分，而是針對(duì)不同的屬性值間不同的關(guān)系給以具體的定義。前者其實(shí)是質(zhì)上的，即非此即彼的二值分割；后者則是量上的，進(jìn)一步細(xì)化值間的區(qū)別。一般來講，前者定義通用，適于種種情況；而后者則要由人來預(yù)定義，與領(lǐng)域知識(shí)相關(guān)的，從而專用性強(qiáng)。兩種方法各有自己的適用范圍。2022-1-18史忠植 高級(jí)人工智能16相似性關(guān)系相

12、似性關(guān)系3）有序?qū)傩缘南嗨贫?有序?qū)傩越橛跀?shù)值和枚舉型屬性之間，也介于定性和定量之間。屬性值有序，可以賦予不同等級(jí)值間有不同的相似度。和枚舉型屬性相比，有序?qū)傩砸?guī)整性強(qiáng)。2022-1-18史忠植 高級(jí)人工智能17相似性關(guān)系相似性關(guān)系絕對(duì)值距離(Manhattan): 其中 Vik和 Vjk分別表示范例 i和范例 j的第k個(gè)屬性值 。 N1kjkikijVVd2022-1-18史忠植 高級(jí)人工智能18相似性關(guān)系相似性關(guān)系2. 歐氏距離(Euclidean) NkjkikijVVd12)(2022-1-18史忠植 高級(jí)人工智能19相似性關(guān)系相似性關(guān)系3.麥考斯基距離q/1N1kqjkikijVVd

13、2022-1-18史忠植 高級(jí)人工智能20 基于案例基于案例 推理的工作過程推理的工作過程新案例問題學(xué)習(xí)獲取案例檢索案例檢索/修正案例案例解方法案例庫(kù)確認(rèn)解決方案建議解方案檢索相似度復(fù)用自適應(yīng)修正驗(yàn)證保存學(xué)習(xí)2022-1-18史忠植 高級(jí)人工智能21基于案例推理流程基于案例推理流程 基于案例推理有兩種形式：（1）問題求解型（problem-solving CBR）（2）解釋型（interpretive CBR） 前者利用案例以給出問題的解答；后者把案例用作辯護(hù)的證據(jù)。2022-1-18史忠植 高級(jí)人工智能22基于案例推理的工作過程基于案例推理的工作過程檢索建議解方案修正辯護(hù)評(píng)審實(shí)際評(píng)估存儲(chǔ)20

14、22-1-18史忠植 高級(jí)人工智能23基于案例推理的工作過程基于案例推理的工作過程 在案例推理中，關(guān)心的主要問題如下： (1) 案例表示案例表示: 基于案例 推理方法的效率和案例 表示緊密相關(guān)。案例 表示涉及這樣幾個(gè)問題: 選擇什么信息存放在一個(gè)案例 中；如何選擇合適的案例 內(nèi)容描述結(jié)構(gòu)；案例 庫(kù)如何組織和索引。對(duì)于那些數(shù)量達(dá)到成千上萬、而且十分復(fù)雜的案例 , 組織和索引問題尤其重要。 (2) 分析模型分析模型: 分析模型用于分析目標(biāo)案例 ，從中識(shí)別和抽取檢索源案例 庫(kù)的信息。 (3) 案例檢索案例檢索: 利用檢索信息從源案例 庫(kù)中檢索并選擇潛在可用的源案例 ?；诎咐?推理方法和人類解決問題

15、的方式很相近。碰到一個(gè)新問題時(shí)，首先是從記憶或案例 庫(kù)中回憶出與當(dāng)前問題相關(guān)的最佳案例 。后面所有工作能否發(fā)揮出應(yīng)有的作用，很大程度上依賴于這一階段得到的案例 質(zhì)量的高低，因此這步非常關(guān)鍵。一般講，案例 匹配不是精確的，只能是部分匹配或近似匹配。因此，它要求有一個(gè)相似度的評(píng)價(jià)標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)定義得好，會(huì)使得檢索出的案例 十分有用，否則將會(huì)嚴(yán)重影響后面的過程。 2022-1-18史忠植 高級(jí)人工智能24基于案例推理的工作過程基于案例推理的工作過程 (4) 類比映射類比映射: 尋找目標(biāo)案例 同源案例 之間的對(duì)應(yīng)關(guān)系。 (5) 類比轉(zhuǎn)換類比轉(zhuǎn)換: 轉(zhuǎn)換源案例 中同目標(biāo)案例 相關(guān)的信息，以便應(yīng)用于目標(biāo)案例

16、 的求解過程中。其中，涉及到對(duì)源案例 的求解方案的修改。把檢索到的源案例 的解答復(fù)用于新問題或新案例 之中。它們分別是，源案例 與目標(biāo)案例 間有何不同之處；源案例 中的哪些部分可以用于目標(biāo)案例 。對(duì)于簡(jiǎn)單的分類問題，僅需要把源案例 的分類結(jié)果直接用于目標(biāo)案例 。它無需考慮它們之間的差別，因?yàn)閷?shí)際上案例 檢索已經(jīng)完成了這項(xiàng)工作。而對(duì)于問題求解之類的問題，則需要根據(jù)它們之間的不同對(duì)復(fù)用的解進(jìn)行調(diào)整。 (6) 解釋過程解釋過程: 對(duì)把轉(zhuǎn)換過的源案例 的求解方案應(yīng)用到目標(biāo)案例 時(shí)所出現(xiàn)的失敗做出解釋，給出失敗的因果分析報(bào)告。有時(shí)對(duì)成功也同樣做出解釋?；诮忉尩乃饕彩且环N重要的方法。 (7) 案例修補(bǔ)

17、案例修補(bǔ): 有些類似于類比轉(zhuǎn)換，區(qū)別在于修補(bǔ)過程的輸入是解方案和一個(gè)失敗報(bào)告，而且也許還包含一個(gè)解釋，然后修改這個(gè)解以排除失敗的因素。 2022-1-18史忠植 高級(jí)人工智能25基于案例推理的工作過程基于案例推理的工作過程 (8) 類比驗(yàn)證類比驗(yàn)證: 驗(yàn)證目標(biāo)案例 和源案例 進(jìn)行類比的有效性。 (9) 案例保存案例保存: 新問題得到了解決，則形成了一個(gè)可能用于將來情形與之相似的問題。這時(shí)有必要把它加入到案例 庫(kù)中。這是學(xué)習(xí)也是這是知識(shí)獲取。此過程涉及選取哪些信息保留，以及如何把新案例 有機(jī)集成到案例 庫(kù)中。修改和精化源案例 庫(kù), 其中包括泛化和抽象等過程。 在決定選取案例 的哪些信息進(jìn)行保留時(shí)

18、，一般要考慮以下幾點(diǎn)：和問題有關(guān)的特征描述；問題的求解結(jié)果；以及解答為什么成功或失敗的原因及解釋。 把新案例加入到案例 庫(kù)中， 需要對(duì)它建立有效的索引，這樣以后才能對(duì)之作出有效的回憶。索引應(yīng)使得與該案例 有關(guān)時(shí)能回憶得出，與它無關(guān)時(shí)不應(yīng)回憶出。為此，可能要對(duì)案例 庫(kù)的索引內(nèi)容甚至結(jié)構(gòu)進(jìn)行調(diào)整，如改變索引的強(qiáng)度或特征權(quán)值。2022-1-18史忠植 高級(jí)人工智能26案例的表示案例的表示 在生理學(xué)、心理學(xué)等領(lǐng)域，已經(jīng)廣泛開展了關(guān)于記憶的研究。心理學(xué)的研究者們注重研究記憶的一般理論，已經(jīng)提出了許多記憶模型，典型的包括情景記憶 (episodic memory)，語義記憶 (semantic memor

19、y)，聯(lián)想記憶 (associative memory)、Schank 的動(dòng)態(tài)記憶理論 (dynamic memory) 等。 知識(shí)是有結(jié)構(gòu)的體系。在某些任務(wù)的執(zhí)行過程中，專家采用語義記憶來存儲(chǔ)信息。這種信息記憶方法具有下列優(yōu)點(diǎn): （1）有利于檢索。 （2）易于組織?？梢园阉鼈冞B接成樹形層次或者網(wǎng)絡(luò)。 （3）易于管理。知識(shí)的改變只對(duì)局部產(chǎn)生影響。 （4）有利于知識(shí)的共享。2022-1-18史忠植 高級(jí)人工智能27案例的表示案例的表示 1.語義記憶單元 語義記憶單元，是指在學(xué)習(xí)、分析、理解、記憶知識(shí)的過程中所著重關(guān)注的其中那些概念、模式、主題等，以及據(jù)此形成的關(guān)于知識(shí)的概念性認(rèn)識(shí)。換言之，這些語

20、義記憶單元是系統(tǒng)對(duì)知識(shí)經(jīng)“計(jì)算”之后，抽取其中最能反映知識(shí)本身特征且可以很好地使知識(shí)內(nèi)在地聯(lián)系在一起的那些因素而獲得的。 我們所記憶的知識(shí)彼此之間并不是孤立的，而是通過某種內(nèi)在的因素相互之間緊密地或松散地有機(jī)聯(lián)系成的一個(gè)統(tǒng)一的體系。我們使用記憶網(wǎng)來概括知識(shí)的這一特點(diǎn)。一個(gè)記憶網(wǎng)便是以語義記憶單元為結(jié)點(diǎn)，以語義記憶單元間的各種關(guān)系為連接建立起來。 2022-1-18史忠植 高級(jí)人工智能28案例案例 的表示的表示 2.記憶網(wǎng) 網(wǎng)絡(luò)上的每一節(jié)點(diǎn)表示一語義記憶單元，形式地描述為下列結(jié)構(gòu)： SMU = SMU_NAME slot Constraint slots Taxonomy slots Causa

21、lity slots Similarity slots Partonomy slots Case slots Theory slots 2022-1-18史忠植 高級(jí)人工智能29案例的表示案例的表示 (1) SMU_NAME slotSMU_NAME slot: 簡(jiǎn)記為 SMU 槽。它是語義記憶單元的概念性描述，通常是一個(gè)詞匯或者一個(gè)短語。 (2) Constraint slotsConstraint slots: 簡(jiǎn)記為 CON 槽。它是對(duì)語義記憶單元施加的某些約束。通常，這些約束并不是結(jié)構(gòu)性的，而只是對(duì) SMU 描述本身所加的約束。另外，每一約束都有 CAS 側(cè)面(facet)和THY 側(cè)

22、面與之相連。 (3) Taxonomy slotsTaxonomy slots: 簡(jiǎn)記為 TAX 槽。它定義了與該 SMU相關(guān)的分類體系中的該 SMU 的一些父類和子類。因此，它描述了網(wǎng)絡(luò)中結(jié)點(diǎn)間的類別關(guān)系。 (4) Causality slotsCausality slots: 簡(jiǎn)記為 CAU 槽。它定義了與該 SMU有因果聯(lián)系的其它 SMU，它或者是另一些 SMU 的原因，或者是另外一些SMU 的結(jié)果。因此，它描述了網(wǎng)絡(luò)中結(jié)點(diǎn)間的因果聯(lián)系。2022-1-18史忠植 高級(jí)人工智能30案例的表示案例的表示 (5) Similarity slotsSimilarity slots: 簡(jiǎn)記為 SI

23、M 槽。它定義了與該 SMU相似的其它 SMU，描述網(wǎng)絡(luò)中結(jié)點(diǎn)間的相似關(guān)系。 (6) Partonomy slotsPartonomy slots: 簡(jiǎn)記為 PAR 槽。它定義了與該 SMU具有部分整體關(guān)系的其它 SMU。 (7) Case slotsCase slots: 簡(jiǎn)記為CAS槽。它定義了與該SMU相關(guān)的案例 集。 (8) Theory slotsTheory slots: 簡(jiǎn)記為THY槽。它定義了關(guān)于該SMU的理論知識(shí)。 上述8類槽可以總地分成三大類。一類反映各SMU之間的關(guān)系，包括TAX槽、CAU槽、SIM槽和PAR槽; 第二類反映SMU自身的內(nèi)容和特性，包括SMU槽和THY槽;

24、 第三類反映與SMU相關(guān)的案例信息，包括CAS槽和CON槽。2022-1-18史忠植 高級(jí)人工智能31案例的表示案例的表示 記憶網(wǎng)是相當(dāng)復(fù)雜的，但它確實(shí)反映了知識(shí)之間錯(cuò)綜復(fù)雜的內(nèi)在聯(lián)系。 使用記憶網(wǎng)可以一定程度地解釋知識(shí)的遺忘。 記憶網(wǎng)與語義網(wǎng)既有聯(lián)系，又有差別，是在語義網(wǎng)基礎(chǔ)上發(fā)展起來的一種模型。它們都使用節(jié)點(diǎn)來表示信息，使用節(jié)點(diǎn)之間的連接來表示語義關(guān)系。它們之間具有很大的不同，對(duì)信息的表示是有本質(zhì)的區(qū)別的。語義網(wǎng)的信息表達(dá)只是局限于網(wǎng)絡(luò)自身，亦即知識(shí)智能通過節(jié)點(diǎn)和節(jié)點(diǎn)間的連接來表示。2022-1-18史忠植 高級(jí)人工智能32案例的索引案例的索引 案例組織時(shí)由兩部分組成，一是案例的內(nèi)容，案例

25、應(yīng)該包含哪些有關(guān)的東西才能對(duì)問題的解決有用；二是案例的索引，它和案例的組織結(jié)構(gòu)以及檢索有關(guān)，反應(yīng)了不同案例間的區(qū)別。 案例內(nèi)容一般有如下三個(gè)主要組成部分：（1）問題或情境描述：案例發(fā)生時(shí)要解決的問題及周圍世界的狀態(tài)；（2）解決方案：對(duì)問題的解決方案；（3）結(jié)果：執(zhí)行解決方案后導(dǎo)致的結(jié)果（周圍世界的新的狀態(tài)）。2022-1-18史忠植 高級(jí)人工智能33案例的索引案例的索引 （1）問題或情景描述 是對(duì)要求解的問題或要理解的情景的描述，一般要包括這些內(nèi)容：當(dāng)案例 發(fā)生時(shí)推理器的目標(biāo)，完成該目標(biāo)所要涉及的任務(wù)，周圍世界或環(huán)境與可能解決方案相關(guān)的所有特征。（2）解決方案 的內(nèi)容是問題如何在一特定情形下得

26、到解決。它可能是對(duì)問題的簡(jiǎn)單解答，也可能是得出解答的推導(dǎo)過程。（3）結(jié)果 記錄了實(shí)施解決方案后的結(jié)果情況，是失敗還是成功。有了結(jié)果內(nèi)容，CBR在給出建議解時(shí)有能給出曾經(jīng)成功地工作的案例 ，同時(shí)也能利用失敗的案例 來避免可能會(huì)發(fā)生的問題。當(dāng)對(duì)問題還缺乏足夠的了解時(shí)，通過在案例 的表示上加上結(jié)果部分能取得較好的效果。2022-1-18史忠植 高級(jí)人工智能34案例的索引案例的索引 建立案例 索引有三個(gè)原則： 索引與具體領(lǐng)域有關(guān)。數(shù)據(jù)庫(kù)中的索引是通用的，目的僅僅是追求索引能對(duì)數(shù)據(jù)集合進(jìn)行平衡的劃分從而使得檢索速度最快；而案例 索引則要考慮是否有利于將來的案例 檢索，它決定了針對(duì)某個(gè)具體的問題哪些案例

27、被復(fù)用； 索引應(yīng)該有一定的抽象或泛化程度，這樣才能靈活處理以后可能遇到的各種情景，太具體則不能滿足更多的情況； 索引應(yīng)該有一定的具體性，這樣才能在以后被容易地識(shí)別出來，太抽象則各個(gè)案例 之間的差別將被消除。2022-1-18史忠植 高級(jí)人工智能35案例的檢索案例的檢索 案例檢索是從案例 庫(kù)(Case Base)中找到一個(gè)或多個(gè)與當(dāng)前問題最相似的案例 ；CBR系統(tǒng)中的知識(shí)庫(kù)不是以前專家系統(tǒng)中的規(guī)則庫(kù)，它是由領(lǐng)域?qū)＜乙郧敖鉀Q過的一些問題組成。案例 庫(kù)中的每一個(gè)案例 包括以前問題的一般描述即情景和解法。一個(gè)新案例 并入案例 庫(kù)時(shí)，同時(shí)也建立了關(guān)于這個(gè)案例 的主要特征的索引。當(dāng)接受了一個(gè)求解新問題的要

28、求后，CBR利用相似度知識(shí)和特征索引從案例 庫(kù)中找出與當(dāng)前問題相關(guān)的最佳案例 ，由于它所回憶的內(nèi)容，即所得到的案例 質(zhì)量和數(shù)量直接影響著問題的解決效果，所以此項(xiàng)工作比較重要。它通過三個(gè)子過程，即特征辯識(shí)、初步匹配，最佳選定來實(shí)現(xiàn)。2022-1-18史忠植 高級(jí)人工智能36案例的檢索案例的檢索（1）特征辨識(shí) 指對(duì)問題進(jìn)行分析，提取有關(guān)特征，特征提取方式有： (a)從問題的描述中直接獲得問題的特征，如自然語言對(duì)問題進(jìn)行描述并輸入系統(tǒng)，系統(tǒng)可以對(duì)句子進(jìn)行關(guān)鍵詞提取，這些關(guān)鍵詞就是問題的某些特征。 (b)對(duì)問題經(jīng)過分析理解后導(dǎo)出的特征,如圖象分析理解中涉及的特征提取。 (c)根據(jù)上下文或知識(shí)模型的需要

29、從用戶那里通過交互方式獲取的特征，系統(tǒng)向用戶提問，以縮小檢索范圍，使檢索的案例 更加準(zhǔn)確。2022-1-18史忠植 高級(jí)人工智能37案例的檢索案例的檢索（2）初步匹配 指從案例庫(kù)中找到一組與當(dāng)前問題相關(guān)的候選案例 。這是通過使用上述特征作為案例 庫(kù)的索引來完成檢索的。由于一般不存在完全的精確匹配，所以要對(duì)案例 之間的特征關(guān)系進(jìn)行相似度估計(jì)，它可以是基于上述特征的與領(lǐng)域知識(shí)關(guān)系不大的表面估計(jì)，也可以通過對(duì)問題進(jìn)行深入理解和分析后的深層估計(jì)，在具體做法上，則可以通過對(duì)特征賦于不同的權(quán)值體現(xiàn)不同的重要性。相似度評(píng)價(jià)方法有最近鄰法、歸納法等。2022-1-18史忠植 高級(jí)人工智能38案例的檢索案例的檢

30、索（3）最佳選定 指從初步匹配過程中獲得的一組候選案例 中選取一個(gè)或幾個(gè)與當(dāng)前問題最相關(guān)的案例 。這一步和領(lǐng)域知識(shí)關(guān)系密切。可以由領(lǐng)域知識(shí)模型或領(lǐng)域知識(shí)工程師對(duì)案例 進(jìn)行解釋，然后對(duì)這些解釋進(jìn)行有效測(cè)試和評(píng)估，最后依據(jù)某種度量標(biāo)準(zhǔn)對(duì)候選案例 進(jìn)行排序，得分最高的就成為最佳案例 ,比如最相關(guān)的或解釋最合理的案例 可選定為最佳案例 。案例的檢索案例的檢索分析情境；細(xì)化源案例的描述；計(jì)算新情景的可能有的索引檢索檢索組織好的案例庫(kù)；找出（部分）匹配的目標(biāo)案例檢索案例選擇一個(gè)或一組最佳案例（a）2022-1-18史忠植 高級(jí)人工智能39更新分析情境；細(xì)化源案例的描述；計(jì)算新情景的可能有的索引插入新案例檢

31、索組織好的案例庫(kù)；找出（部分）匹配的目標(biāo)案例（b）2022-1-18史忠植 高級(jí)人工智能40案例的復(fù)用案例的復(fù)用 把檢索到的舊案例 的解答復(fù)用到新問題或新案例之中通過所給問題和案例 庫(kù)中案例 比較得到新舊案例之間的不同之處，然后回答哪些解答部分可以復(fù)用到新問題之中。對(duì)于簡(jiǎn)單的分類問題，僅需要把舊案例的分類結(jié)果直接用于新案例,它無需考慮新舊案例之間的差別。而對(duì)于問題求解類的問題，則需要對(duì)領(lǐng)域知識(shí)的深入理解，根據(jù)案例之間的不同對(duì)問題進(jìn)行調(diào)整，可以是對(duì)整個(gè)解的某項(xiàng)作一些調(diào)整，也可以對(duì)整個(gè)解的進(jìn)行微調(diào)。2022-1-18史忠植 高級(jí)人工智能41案例的復(fù)用案例的復(fù)用 從復(fù)用的信息內(nèi)容來看，主要有兩種類型

32、：結(jié)果的復(fù)用和方法的復(fù)用。對(duì)于結(jié)果的復(fù)用，當(dāng)舊案例的解答結(jié)果需要調(diào)整時(shí)，它依據(jù)一些轉(zhuǎn)換操作知識(shí)，把舊案例中的種種可能解轉(zhuǎn)換為新案例中相應(yīng)的解。方法的復(fù)用則關(guān)心舊案例中問題的求解方法，而不是其解答的結(jié)果。用哪一種方法具體問題而定。 當(dāng)復(fù)用階段產(chǎn)生的求解結(jié)果不好時(shí)，需要對(duì)其進(jìn)行修正。 修正有四類方法：替換法、轉(zhuǎn)換法、特定目標(biāo)驅(qū)動(dòng)法，以及派生重演法。2022-1-18史忠植 高級(jí)人工智能42案例的復(fù)用案例的復(fù)用 1.1.替換法替換法 (1)重新例化重新例化（reinstantiation）：這是一種很簡(jiǎn)單的替換操作，僅僅是用新的個(gè)體替換舊解中的個(gè)體。例如，川菜設(shè)計(jì)系統(tǒng)CHEF，在根據(jù)牛排炒甘藍(lán)菜來設(shè)

33、計(jì)一道雞肉炒雪豆菜，它就是把該菜譜中的所有牛排替換成雞肉，把甘藍(lán)替換成雪豆。 (2)參數(shù)調(diào)整參數(shù)調(diào)整（parameter adjustment）:這是一種處理數(shù)值參數(shù)的啟發(fā)式方法。它和具體的輸出與輸入?yún)?shù)間的關(guān)系模型（輸入發(fā)生什么變化，會(huì)導(dǎo)致輸出產(chǎn)生怎樣的相應(yīng)變化）有關(guān)。 2022-1-18史忠植 高級(jí)人工智能43案例的復(fù)用案例的復(fù)用 (3)局部搜索局部搜索（local search）：使用輔助的知識(shí)結(jié)構(gòu)來獲得替換值。例如，設(shè)計(jì)點(diǎn)心時(shí)缺少桔子，則可使用此法在一個(gè)水果語義網(wǎng)知識(shí)結(jié)構(gòu)中搜索一個(gè)與桔子相近的水果如蘋果來代替。 (4)查詢查詢（query）：用帶條件的查詢?cè)诎咐?庫(kù)或輔助知識(shí)結(jié)構(gòu)中獲取

34、要替換的內(nèi)容。 (5)特定搜索特定搜索（specialized search）：同時(shí)在案例 庫(kù)和輔助知識(shí)結(jié)構(gòu)中進(jìn)行查詢，但在案例 庫(kù)中查詢時(shí)使用輔助知識(shí)來啟發(fā)式指導(dǎo)如何搜索。 (6)基于案例的替換基于案例的替換（case-based substitution）：使用其它的案例 來建議一個(gè)替換。2022-1-18史忠植 高級(jí)人工智能44案例的復(fù)用案例的復(fù)用 2. 2.替換法替換法 轉(zhuǎn)換法包括：常識(shí)轉(zhuǎn)換法（common-sense transformation）：使用明白易懂的常識(shí)性啟發(fā)式從舊解中替換、刪除或增加某些組成部分。典型的常理轉(zhuǎn)換法是，“刪去次要組成部分”。模型制導(dǎo)修補(bǔ)法（model-g

35、uided repair）：通過因果模型來指導(dǎo)如何轉(zhuǎn)換。故障診斷中就經(jīng)常使用這種方法。 2022-1-18史忠植 高級(jí)人工智能45案例的復(fù)用案例的復(fù)用 3. 3.特定目標(biāo)驅(qū)動(dòng)法特定目標(biāo)驅(qū)動(dòng)法 這種方法主要用于完成領(lǐng)域相關(guān)以及要做結(jié)構(gòu)修改的修正。該法使用的各種啟發(fā)式需要根據(jù)它們可用的情景進(jìn)行索引。特定目標(biāo)驅(qū)動(dòng)的修正啟發(fā)式知識(shí)一般通過評(píng)價(jià)近似解作用，并通過使用基于規(guī)則的產(chǎn)生式系統(tǒng)來控制。 2022-1-18史忠植 高級(jí)人工智能46案例的復(fù)用案例的復(fù)用4.派生重演派生重演 上述方法所做的修正是在舊解的解答上完成的。重演方法則是使用過去的推導(dǎo)出舊解的方法來推導(dǎo)出新解。這種方法關(guān)心的是解是如何求出來的。

36、同前面的基于案例 替換相比，派生重演使用的則是一種基于案例 的修正手段。2022-1-18史忠植 高級(jí)人工智能47案例的保存案例的保存 “remember”有兩種含義：“記住”和“回憶”?；貞浖礄z索，記住即存儲(chǔ)或插入。插入要調(diào)用索引選擇過程，以決定案例被索引的方式。插入算法使用這些索引來把案例插入案例庫(kù)中適當(dāng)?shù)牡胤健Ｒ话銇碚f，插入工作所做的搜索和檢索相同。插入算法搜索的目的是找到一個(gè)可插入案例的地方，而檢索的目的是為了找到相似的案例。當(dāng)檢索算法找到了相似的案例后就進(jìn)行案例排位，而插入算法則是插入源案例并根據(jù)需要重新組織案例庫(kù)結(jié)構(gòu)。 在上述檢索（retrieval）、重用（reuse）、修正（r

37、evise）、和保存（retain）四個(gè)過程是基于案例推理的關(guān)鍵步驟。由于它們的英文都是以“R”開始的，因此，CBR的推理過程也稱為4R過程。2022-1-18史忠植 高級(jí)人工智能48基于例示的學(xué)習(xí)基于例示的學(xué)習(xí) 基于例示的學(xué)習(xí)，是一種與基于案例的學(xué)習(xí)緊密相關(guān)的歸納學(xué)習(xí)方法?；诶镜膶W(xué)習(xí)算法的思想是，存儲(chǔ)有過去的已分類的例示，當(dāng)對(duì)新來的輸入進(jìn)行分類時(shí)，算法在已分類例示中尋找與輸入情況最相似的例示，然后把該事例的類別作為對(duì)新例示的分類結(jié)果。IBL沒有用到復(fù)雜的索引，僅僅使用特征一值表示方法，也不做案例修正操作，但它卻是一種非常有用的方法。2022-1-18史忠植 高級(jí)人工智能49基于例示的學(xué)習(xí)

38、基于例示的學(xué)習(xí) 1.基于案例學(xué)習(xí)的任務(wù) 基于例示學(xué)習(xí)與大多數(shù)學(xué)習(xí)算法不同，它不構(gòu)造決策樹和決策歸納之類的明確的精煉的模式。后者通過泛化表示實(shí)例。分類時(shí)采用簡(jiǎn)單的匹配，而基于例示學(xué)習(xí)在實(shí)例表示多做的工作很少，幾乎不進(jìn)行泛化，對(duì)后繼例示的分類需要的計(jì)算較多。 基于例示學(xué)習(xí)的性能可以從一下幾個(gè)方面考慮：（1）泛化能力（2）分類精度（3）學(xué)習(xí)速度（4）協(xié)作代價(jià)（5）存儲(chǔ)要求2022-1-18史忠植 高級(jí)人工智能50基于例示的學(xué)習(xí)基于例示的學(xué)習(xí) 2.IB1算法 IB1算法的思想非常簡(jiǎn)單，即使用最近鄰例示的類別標(biāo)記作為預(yù)測(cè)值。必須指出，如果給定的屬性在邏輯上不足以描述目標(biāo)概念，IB1算法講不會(huì)成功。 3.

39、降低存儲(chǔ)要求 （1）IB2算法 （2）IB3算法 2022-1-18史忠植 高級(jí)人工智能51基于例示的學(xué)習(xí)基于例示的學(xué)習(xí) 基于例示的學(xué)習(xí)具有如下優(yōu)點(diǎn)：（1）簡(jiǎn)單。（2）魯棒性相對(duì)較好。（3）概念偏置相對(duì)寬松。（4）基于例示學(xué)習(xí)算法的更新代價(jià)較低。 2022-1-18史忠植 高級(jí)人工智能52案例工程案例工程 近十年在這方面的理論和應(yīng)用表明，案例的途徑總是和特定領(lǐng)域相關(guān)的。必須注意這兩個(gè)問題：（1）修正案例在案例庫(kù)中的組織，使其能夠有效和高效地在將來的推理中重用。（2）案例工程自動(dòng)化：根據(jù)已有的信息自動(dòng)抽取案例。 案例工程是指設(shè)計(jì)合理的案例庫(kù)，生成與應(yīng)用領(lǐng)域相關(guān)的知識(shí)的部件，包括案例的結(jié)構(gòu)、案例的

40、組織、案例的檢索（如索引機(jī)制、相似性度量）、案例使用的規(guī)則、案例的修正與保存。 2022-1-18史忠植 高級(jí)人工智能53案例工程案例工程 惰性學(xué)習(xí)與積極學(xué)習(xí)相結(jié)合的方法，必須具備如下的特點(diǎn)： （1）學(xué)習(xí)算法應(yīng)該是漸進(jìn)的，增加新數(shù)據(jù)時(shí)，原來的模型能夠通過修正重用，添加數(shù)據(jù)同時(shí)可以構(gòu)造模型，這樣將減少訓(xùn)練時(shí)間。 （2）模型是層次性的，粒度越小的模型概括的數(shù)據(jù)越少，精度越高；粒度越大的模型概括的數(shù)據(jù)越多，精度越低；粒度越小的模型與粒度越大的模型之間是層次關(guān)系的，上一層的模型可以作為下一層的索引。 2022-1-18史忠植 高級(jí)人工智能54案例工程案例工程 （3）不同層次的模型的格式未必是相同的，這一方面是