第5章--基于案例的推理概要課件

2023/8/3史忠植高級人工智能1高級人工智能第五章

基于案例的推理史忠植

中國科學院計算技術研究所2023/8/1史忠植高級人工智能1高級人工智能第五章2023/8/3史忠植高級人工智能2第五章基于案例的推理5.1概述5.2類比的形式定義5.3相似性關系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案例的復用5.9案例的保存5.10基于案例的學習5.11案例工程5.12中心漁場預報專家系統(tǒng)2023/8/1史忠植高級人工智能2第五章基于案例的2023/8/3史忠植高級人工智能3概述

人們?yōu)榱私鉀Q一個新問題，先是進行回憶，從記憶中找到一個與新問題相似的案例，然后把該案例中的有關信息和知識復用到新問題的求解之中。在基于案例推理

(Case-BasedReasoning,簡稱CBR)中，把當前所面臨的問題或情況稱為目標案例(targetcase)，而把記憶的問題或情況稱為源案例(basecase)。粗略地說，基于案例推理就是由目標案例的提示而獲得記憶中的源案例，并由源案例來指導目標案例求解的一種策略。2023/8/1史忠植高級人工智能3概述2023/8/3史忠植高級人工智能4概述一個案例應具有如下特性：（1）案例表示了與某個上下文有關的具體知識，這種知識具有可操作性；（2）案例可以是各式各樣的，可有不同的形狀和粒度，可涵蓋或大或小的時間片，可帶有問題的解答或動作執(zhí)行后的效應；（3）案例記錄了有用的經(jīng)驗，這種經(jīng)驗能幫助推理機在未來更容易地達到目標，或提醒推理機失敗發(fā)生的可能性有多大等。2023/8/1史忠植高級人工智能4概述

總體上說，基于案例推理在如下方面對人工智能作出了貢獻：（1）知識獲??；（2）知識維護；（3）改進問題求解效率；（4）改進問題求解質量；（5）提高用戶接受度。概述2023/8/3史忠植高級人工智能5總體上說，基于案例推理在如下方面對人工智2023/8/3史忠植高級人工智能6概述

中國科學院計算技術研究所智能信息處理開放實驗室在基于案例推理方面進行了一系列研究。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習的內燃機油產(chǎn)品設計系統(tǒng)EOFDS。

1994年開發(fā)了基于案例推理的天氣預報系統(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報調度系統(tǒng)FOREZ。

2000年研制了漁情分析專家系統(tǒng)。2023/8/1史忠植高級人工智能6概述中國科學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，回憶以前相似的老問題，通過對兩種情況進行匹配，經(jīng)過推理獲得新知識。也可以通過對老問題解法的檢索和分析、調整，得出新問題的解決方法。因此，計算模型除了記憶和新問題相似的老問題的解法外，還應具有獲取技能的過程，即必須學會根據(jù)過去有用的經(jīng)驗，來調整問題求解方法。當人們對存在相似解進行更為直接的回憶和修改后仍不能得出問題的解答時，再反過來用弱方法求解。因此，類比是一種基于知識學習（或經(jīng)驗）的學習。類比的形式定義用類比求解問題，往往在提類比的形式定義

AA’B’Bαβα’β’已知問題A，有求解結果B，先給定一個新問題A’，A’與A在特定的度量下是相似的，求出問題A’的求解結果B’。如圖，β反映B與A之間的依賴關系，稱作因果關系。α表示源領域A與目標領域A’之間的相似關系。由此可以推出，B’與A’之間的依賴關系β’。類比的形式定義AA’B’Bαβα’β’2023/8/3史忠植高級人工智能9相似性關系案例的表示表明，案例的情境是由許多屬性組成，案例間的相似度就是根據(jù)屬性（或變量）之間的相似度定義的。目標案例與源案例之間的相似性有語義相似、結構相似、目標相似和個體相似。2023/8/1史忠植高級人工智能9相似性關系案2023/8/3史忠植高級人工智能10相似性關系1.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系。相似性關系是類比問題求解的基礎。兩實體的類比可以區(qū)分為正類比、反類比、不確定類比。正類比是由相似性關系所確定的兩實體之間的可類比部分，反類比則是已被確定為兩實體間不相似的部分，不確定類比是兩實體之間尚未確定是否可類比的部分。兩個實體可類比的條件之一是:模型的本質性質和因果關系不構成反類比的一部分。不確定類比使得類比具有一定的預見性，這種預見可能是正確的，也可能是錯誤的。在類比求解中，目標案例的本質特征和源案例的本質特征必須具有相似性關系，才能使類比有了基礎。2023/8/1史忠植高級人工智能10相似性關系1.語義2023/8/3史忠植高級人工智能11相似性關系

2.結構相似性

如果在兩個結構之間存在，某種對應關系，且這種對應關系能夠保持結構一致性，則認為兩結構是同構的。結構一致性要求：一一對應的關系必須保證他們涉及的個體或低階關系也是一一對應的，且這種對應不應打破原來個體間的對應關系。結構對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構上具有相似性，從而使類比成為可能。其次，子結構間的同構或相似性可以使我們只需我們見樹木，而不必顧及森林。2023/8/1史忠植高級人工智能11相似性關系2.結2023/8/3史忠植高級人工智能12相似性關系3.目標特征

問題求解的最終目的是要實現(xiàn)問題本身所提出的目標。人們求解問題時，都是向著這個目標而竭盡其力。在相似的一組源案例中，那些對實現(xiàn)目標案例的目標具有潛在的重要作用的源案例，較之那些不具有目標相關性的源案例，更應該得到優(yōu)先考慮。如果為一種結構表示增加了目標信息，那么，這個增大了的結構同其他包含有相似的目標信息的結構之間，更加具有語義相似性和結構一致性。換言之，目標特征會增加我們對源案例選擇的可靠性。同時，它可以幫助我們限制對源案例進行搜索的范圍。2023/8/1史忠植高級人工智能12相似性關系3.目標2023/8/3史忠植高級人工智能13相似性關系

4.個體相似性

在我們的模型中強調的另一重要約束是個體的類別信息。從不嚴格的意義上講，如果兩個個體之間具有一些(或一個)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)間的相關性或緊致性來對概念(客體)集進行分類。相關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，因為它們均可以用來綁縛物體。

2023/8/1史忠植高級人工智能13相似性關系4.個2023/8/3史忠植高級人工智能14相似性關系5.相似度計算1）數(shù)值性屬性的相似度或或

2023/8/1史忠植高級人工智能14相似性關系5.相似2023/8/3史忠植高級人工智能15相似性關系2）枚舉屬性的相似度枚舉型屬性相似度一般有兩種，一種是只要兩個屬性值不同，就認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，不是簡單的非此即彼劃分，而是針對不同的屬性值間不同的關系給以具體的定義。前者其實是質上的，即非此即彼的二值分割；后者則是量上的，進一步細化值間的區(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定義，與領域知識相關的，從而專用性強。兩種方法各有自己的適用范圍。2023/8/1史忠植高級人工智能15相似性關系2）枚舉2023/8/3史忠植高級人工智能16相似性關系3）有序屬性的相似度有序屬性介于數(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，可以賦予不同等級值間有不同的相似度。和枚舉型屬性相比，有序屬性規(guī)整性強。2023/8/1史忠植高級人工智能16相似性關系3）有序2023/8/3史忠植高級人工智能17相似性關系絕對值距離(Manhattan):

其中Vik和Vjk分別表示范例

i和范例j的第k個屬性值

。

2023/8/1史忠植高級人工智能17相似性關系絕對值距2023/8/3史忠植高級人工智能18相似性關系2.歐氏距離(Euclidean)

2023/8/1史忠植高級人工智能18相似性關系2.歐2023/8/3史忠植高級人工智能19相似性關系3.麥考斯基距離2023/8/1史忠植高級人工智能19相似性關系3.麥考2023/8/3史忠植高級人工智能20

基于案例推理的工作過程新案例問題學習獲取案例檢索案例檢索/修正案例案例解方法案例庫確認解決方案建議解方案檢索相似度復用自適應修正驗證保存學習2023/8/1史忠植高級人工智能20基于案例推理的2023/8/3史忠植高級人工智能21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-solvingCBR）（2）解釋型（interpretiveCBR）前者利用案例以給出問題的解答；后者把案例用作辯護的證據(jù)。2023/8/1史忠植高級人工智能21基于案例推理流程2023/8/3史忠植高級人工智能22基于案例推理的工作過程檢索建議解方案修正辯護評審實際評估存儲2023/8/1史忠植高級人工智能22基于案例推理的工作2023/8/3史忠植高級人工智能23基于案例推理的工作過程在案例推理中，關心的主要問題如下：(1)案例表示:基于案例推理方法的效率和案例表示緊密相關。案例表示涉及這樣幾個問題:選擇什么信息存放在一個案例中；如何選擇合適的案例內容描述結構；案例庫如何組織和索引。對于那些數(shù)量達到成千上萬、而且十分復雜的案例,組織和索引問題尤其重要。

(2)分析模型:分析模型用于分析目標案例，從中識別和抽取檢索源案例庫的信息。

(3)案例檢索:利用檢索信息從源案例庫中檢索并選擇潛在可用的源案例?；诎咐评矸椒ê腿祟惤鉀Q問題的方式很相近。碰到一個新問題時，首先是從記憶或案例庫中回憶出與當前問題相關的最佳案例。后面所有工作能否發(fā)揮出應有的作用，很大程度上依賴于這一階段得到的案例質量的高低，因此這步非常關鍵。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，它要求有一個相似度的評價標準。該標準定義得好，會使得檢索出的案例十分有用，否則將會嚴重影響后面的過程。2023/8/1史忠植高級人工智能23基于案例推理的工作2023/8/3史忠植高級人工智能24基于案例推理的工作過程(4)類比映射:尋找目標案例同源案例之間的對應關系。

(5)類比轉換:轉換源案例中同目標案例相關的信息，以便應用于目標案例的求解過程中。其中，涉及到對源案例的求解方案的修改。把檢索到的源案例的解答復用于新問題或新案例之中。它們分別是，源案例與目標案例間有何不同之處；源案例中的哪些部分可以用于目標案例。對于簡單的分類問題，僅需要把源案例的分類結果直接用于目標案例。它無需考慮它們之間的差別，因為實際上案例檢索已經(jīng)完成了這項工作。而對于問題求解之類的問題，則需要根據(jù)它們之間的不同對復用的解進行調整。

(6)解釋過程:對把轉換過的源案例的求解方案應用到目標案例時所出現(xiàn)的失敗做出解釋，給出失敗的因果分析報告。有時對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:有些類似于類比轉換，區(qū)別在于修補過程的輸入是解方案和一個失敗報告，而且也許還包含一個解釋，然后修改這個解以排除失敗的因素。2023/8/1史忠植高級人工智能24基于案例推理的工作2023/8/3史忠植高級人工智能25基于案例推理的工作過程(8)類比驗證:驗證目標案例和源案例進行類比的有效性。

(9)案例保存:新問題得到了解決，則形成了一個可能用于將來情形與之相似的問題。這時有必要把它加入到案例庫中。這是學習也是這是知識獲取。此過程涉及選取哪些信息保留，以及如何把新案例有機集成到案例庫中。修改和精化源案例庫,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行保留時，一般要考慮以下幾點：和問題有關的特征描述；問題的求解結果；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中，需要對它建立有效的索引，這樣以后才能對之作出有效的回憶。索引應使得與該案例有關時能回憶得出，與它無關時不應回憶出。為此，可能要對案例庫的索引內容甚至結構進行調整，如改變索引的強度或特征權值。2023/8/1史忠植高級人工智能25基于案例推理的工作2023/8/3史忠植高級人工智能26案例的表示

在生理學、心理學等領域，已經(jīng)廣泛開展了關于記憶的研究。心理學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(episodicmemory)，語義記憶(semanticmemory)，聯(lián)想記憶(associativememory)、Schank的動態(tài)記憶理論(dynamicmemory)等。知識是有結構的體系。在某些任務的執(zhí)行過程中，專家采用語義記憶來存儲信息。這種信息記憶方法具有下列優(yōu)點:

（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。

（3）易于管理。知識的改變只對局部產(chǎn)生影響。

（4）有利于知識的共享。2023/8/1史忠植高級人工智能26案例的表示2023/8/3史忠植高級人工智能27案例的表示

1.語義記憶單元語義記憶單元，是指在學習、分析、理解、記憶知識的過程中所著重關注的其中那些概念、模式、主題等，以及據(jù)此形成的關于知識的概念性認識。換言之，這些語義記憶單元是系統(tǒng)對知識經(jīng)“計算”之后，抽取其中最能反映知識本身特征且可以很好地使知識內在地聯(lián)系在一起的那些因素而獲得的。我們所記憶的知識彼此之間并不是孤立的，而是通過某種內在的因素相互之間緊密地或松散地有機聯(lián)系成的一個統(tǒng)一的體系。我們使用記憶網(wǎng)來概括知識的這一特點。一個記憶網(wǎng)便是以語義記憶單元為結點，以語義記憶單元間的各種關系為連接建立起來。

2023/8/1史忠植高級人工智能27案例的表示1.語2023/8/3史忠植高級人工智能28案例的表示

2.記憶網(wǎng)網(wǎng)絡上的每一節(jié)點表示一語義記憶單元，形式地描述為下列結構：

SMU={SMU_NAMEslot Constraintslots Taxonomyslots Causalityslots Similarityslots Partonomyslots Caseslots Theoryslots }2023/8/1史忠植高級人工智能28案例的表示22023/8/3史忠植高級人工智能29案例的表示

(1)SMU_NAMEslot:簡記為SMU槽。它是語義記憶單元的概念性描述，通常是一個詞匯或者一個短語。

(2)Constraintslots:簡記為CON槽。它是對語義記憶單元施加的某些約束。通常，這些約束并不是結構性的，而只是對SMU描述本身所加的約束。另外，每一約束都有CAS側面(facet)和THY側面與之相連。

(3)Taxonomyslots:簡記為TAX槽。它定義了與該SMU相關的分類體系中的該SMU的一些父類和子類。因此，它描述了網(wǎng)絡中結點間的類別關系。

(4)Causalityslots:簡記為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的結果。因此，它描述了網(wǎng)絡中結點間的因果聯(lián)系。2023/8/1史忠植高級人工智能29案例的表示2023/8/3史忠植高級人工智能30案例的表示

(5)Similarityslots:簡記為SIM槽。它定義了與該SMU相似的其它SMU，描述網(wǎng)絡中結點間的相似關系。

(6)Partonomyslots:簡記為PAR槽。它定義了與該SMU具有部分整體關系的其它SMU。

(7)Caseslots:簡記為CAS槽。它定義了與該SMU相關的案例集。

(8)Theoryslots:簡記為THY槽。它定義了關于該SMU的理論知識。上述8類槽可以總地分成三大類。一類反映各SMU之間的關系，包括TAX槽、CAU槽、SIM槽和PAR槽;第二類反映SMU自身的內容和特性，包括SMU槽和THY槽;第三類反映與SMU相關的案例信息，包括CAS槽和CON槽。2023/8/1史忠植高級人工智能30案例的表示2023/8/3史忠植高級人工智能31案例的表示

記憶網(wǎng)是相當復雜的，但它確實反映了知識之間錯綜復雜的內在聯(lián)系。使用記憶網(wǎng)可以一定程度地解釋知識的遺忘。記憶網(wǎng)與語義網(wǎng)既有聯(lián)系，又有差別，是在語義網(wǎng)基礎上發(fā)展起來的一種模型。它們都使用節(jié)點來表示信息，使用節(jié)點之間的連接來表示語義關系。它們之間具有很大的不同，對信息的表示是有本質的區(qū)別的。語義網(wǎng)的信息表達只是局限于網(wǎng)絡自身，亦即知識智能通過節(jié)點和節(jié)點間的連接來表示。2023/8/1史忠植高級人工智能31案例的表示2023/8/3史忠植高級人工智能32案例的索引案例組織時由兩部分組成，一是案例的內容，案例應該包含哪些有關的東西才能對問題的解決有用；二是案例的索引，它和案例的組織結構以及檢索有關，反應了不同案例間的區(qū)別。案例內容一般有如下三個主要組成部分：（1）問題或情境描述：案例發(fā)生時要解決的問題及周圍世界的狀態(tài)；（2）解決方案：對問題的解決方案；（3）結果：執(zhí)行解決方案后導致的結果（周圍世界的新的狀態(tài)）。2023/8/1史忠植高級人工智能32案例的索引2023/8/3史忠植高級人工智能33案例的索引

（1）問題或情景描述

是對要求解的問題或要理解的情景的描述，一般要包括這些內容：當案例發(fā)生時推理器的目標，完成該目標所要涉及的任務，周圍世界或環(huán)境與可能解決方案相關的所有特征。（2）解決方案

的內容是問題如何在一特定情形下得到解決。它可能是對問題的簡單解答，也可能是得出解答的推導過程。（3）結果記錄了實施解決方案后的結果情況，是失敗還是成功。有了結果內容，CBR在給出建議解時有能給出曾經(jīng)成功地工作的案例，同時也能利用失敗的案例來避免可能會發(fā)生的問題。當對問題還缺乏足夠的了解時，通過在案例的表示上加上結果部分能取得較好的效果。2023/8/1史忠植高級人工智能33案例的索引（1）2023/8/3史忠植高級人工智能34案例的索引建立案例索引有三個原則：①索引與具體領域有關。數(shù)據(jù)庫中的索引是通用的，目的僅僅是追求索引能對數(shù)據(jù)集合進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，它決定了針對某個具體的問題哪些案例被復用；②索引應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；③索引應該有一定的具體性，這樣才能在以后被容易地識別出來，太抽象則各個案例之間的差別將被消除。2023/8/1史忠植高級人工智能34案例的索引2023/8/3史忠植高級人工智能35案例的檢索

案例檢索是從案例庫(CaseBase)中找到一個或多個與當前問題最相似的案例；CBR系統(tǒng)中的知識庫不是以前專家系統(tǒng)中的規(guī)則庫，它是由領域專家以前解決過的一些問題組成。案例庫中的每一個案例包括以前問題的一般描述即情景和解法。一個新案例并入案例庫時，同時也建立了關于這個案例的主要特征的索引。當接受了一個求解新問題的要求后，CBR利用相似度知識和特征索引從案例庫中找出與當前問題相關的最佳案例，由于它所回憶的內容，即所得到的案例質量和數(shù)量直接影響著問題的解決效果，所以此項工作比較重要。它通過三個子過程，即特征辯識、初步匹配，最佳選定來實現(xiàn)。2023/8/1史忠植高級人工智能35案例的檢索2023/8/3史忠植高級人工智能36案例的檢索（1）特征辨識指對問題進行分析，提取有關特征，特征提取方式有：(a)從問題的描述中直接獲得問題的特征，如自然語言對問題進行描述并輸入系統(tǒng)，系統(tǒng)可以對句子進行關鍵詞提取，這些關鍵詞就是問題的某些特征。(b)對問題經(jīng)過分析理解后導出的特征,如圖象分析理解中涉及的特征提取。(c)根據(jù)上下文或知識模型的需要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確。2023/8/1史忠植高級人工智能36案例的檢索（1）特2023/8/3史忠植高級人工智能37案例的檢索（2）初步匹配指從案例庫中找到一組與當前問題相關的候選案例。這是通過使用上述特征作為案例庫的索引來完成檢索的。由于一般不存在完全的精確匹配，所以要對案例之間的特征關系進行相似度估計，它可以是基于上述特征的與領域知識關系不大的表面估計，也可以通過對問題進行深入理解和分析后的深層估計，在具體做法上，則可以通過對特征賦于不同的權值體現(xiàn)不同的重要性。相似度評價方法有最近鄰法、歸納法等。2023/8/1史忠植高級人工智能37案例的檢索（2）初2023/8/3史忠植高級人工智能38案例的檢索（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或幾個與當前問題最相關的案例。這一步和領域知識關系密切?？梢杂深I域知識模型或領域知識工程師對案例進行解釋，然后對這些解釋進行有效測試和評估，最后依據(jù)某種度量標準對候選案例進行排序，得分最高的就成為最佳案例,比如最相關的或解釋最合理的案例可選定為最佳案例。2023/8/1史忠植高級人工智能38案例的檢索（3）最案例的檢索分析情境；細化源案例的描述；計算新情景的可能有的索引檢索檢索組織好的案例庫；找出（部分）匹配的目標案例檢索案例選擇一個或一組最佳案例（a）2023/8/3史忠植高級人工智能39更新分析情境；細化源案例的描述；計算新情景的可能有的索引插入新案例檢索組織好的案例庫；找出（部分）匹配的目標案例（b）案例的檢索分析情境；檢索檢索組織好的案例庫；檢索案例選擇一個2023/8/3史忠植高級人工智能40案例的復用

把檢索到的舊案例的解答復用到新問題或新案例之中通過所給問題和案例庫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用到新問題之中。對于簡單的分類問題，僅需要把舊案例的分類結果直接用于新案例,它無需考慮新舊案例之間的差別。而對于問題求解類的問題，則需要對領域知識的深入理解，根據(jù)案例之間的不同對問題進行調整，可以是對整個解的某項作一些調整，也可以對整個解的進行微調。2023/8/1史忠植高級人工智能40案例的復用2023/8/3史忠植高級人工智能41案例的復用

從復用的信息內容來看，主要有兩種類型：結果的復用和方法的復用。對于結果的復用，當舊案例的解答結果需要調整時，它依據(jù)一些轉換操作知識，把舊案例中的種種可能解轉換為新案例中相應的解。方法的復用則關心舊案例中問題的求解方法，而不是其解答的結果。用哪一種方法具體問題而定。當復用階段產(chǎn)生的求解結果不好時，需要對其進行修正。修正有四類方法：替換法、轉換法、特定目標驅動法，以及派生重演法。2023/8/1史忠植高級人工智能41案例的復用2023/8/3史忠植高級人工智能42案例的復用

1.替換法(1)重新例化（reinstantiation）：這是一種很簡單的替換操作，僅僅是用新的個體替換舊解中的個體。例如，川菜設計系統(tǒng)CHEF，在根據(jù)牛排炒甘藍菜來設計一道雞肉炒雪豆菜，它就是把該菜譜中的所有牛排替換成雞肉，把甘藍替換成雪豆。

(2)參數(shù)調整（parameteradjustment）: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)間的關系模型（輸入發(fā)生什么變化，會導致輸出產(chǎn)生怎樣的相應變化）有關。

2023/8/1史忠植高級人工智能42案例的復用1.2023/8/3史忠植高級人工智能43案例的復用

(3)局部搜索（localsearch）：使用輔助的知識結構來獲得替換值。例如，設計點心時缺少桔子，則可使用此法在一個水果語義網(wǎng)知識結構中搜索一個與桔子相近的水果如蘋果來代替。(4)查詢（query）：用帶條件的查詢在案例庫或輔助知識結構中獲取要替換的內容。(5)特定搜索（specializedsearch）：同時在案例庫和輔助知識結構中進行查詢，但在案例庫中查詢時使用輔助知識來啟發(fā)式指導如何搜索。

(6)基于案例的替換（case-basedsubstitution）：使用其它的案例來建議一個替換。2023/8/1史忠植高級人工智能43案例的復用2023/8/3史忠植高級人工智能44案例的復用2.替換法轉換法包括：常識轉換法（common-sensetransformation）：使用明白易懂的常識性啟發(fā)式從舊解中替換、刪除或增加某些組成部分。典型的常理轉換法是，“刪去次要組成部分”。模型制導修補法（model-guidedrepair）：通過因果模型來指導如何轉換。故障診斷中就經(jīng)常使用這種方法。

2023/8/1史忠植高級人工智能44案例的復用2.替2023/8/3史忠植高級人工智能45案例的復用3.特定目標驅動法

這種方法主要用于完成領域相關以及要做結構修改的修正。該法使用的各種啟發(fā)式需要根據(jù)它們可用的情景進行索引。特定目標驅動的修正啟發(fā)式知識一般通過評價近似解作用，并通過使用基于規(guī)則的產(chǎn)生式系統(tǒng)來控制。

2023/8/1史忠植高級人工智能45案例的復用3.特2023/8/3史忠植高級人工智能46案例的復用4.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出舊解的方法來推導出新解。這種方法關心的是解是如何求出來的。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。2023/8/1史忠植高級人工智能46案例的復用4.派生2023/8/3史忠植高級人工智能47案例的保存“remember”有兩種含義：“記住”和“回憶”?；貞浖礄z索，記住即存儲或插入。插入要調用索引選擇過程，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中適當?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。當檢索算法找到了相似的案例后就進行案例排位，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結構。在上述檢索（retrieval）、重用（reuse）、修正（revise）、和保存（retain）四個過程是基于案例推理的關鍵步驟。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。2023/8/1史忠植高級人工智能47案例的保存2023/8/3史忠植高級人工智能48基于例示的學習基于例示的學習，是一種與基于案例的學習緊密相關的歸納學習方法。基于例示的學習算法的思想是，存儲有過去的已分類的例示，當對新來的輸入進行分類時，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新例示的分類結果。IBL沒有用到復雜的索引，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。2023/8/1史忠植高級人工智能48基于例示的學習2023/8/3史忠植高級人工智能49基于例示的學習

1.基于案例學習的任務基于例示學習與大多數(shù)學習算法不同，它不構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例。分類時采用簡單的匹配，而基于例示學習在實例表示多做的工作很少，幾乎不進行泛化，對后繼例示的分類需要的計算較多?；诶緦W習的性能可以從一下幾個方面考慮：（1）泛化能力（2）分類精度（3）學習速度（4）協(xié)作代價（5）存儲要求2023/8/1史忠植高級人工智能49基于例示的學習2023/8/3史忠植高級人工智能50基于例示的學習

2.IB1算法

IB1算法的思想非常簡單，即使用最近鄰例示的類別標記作為預測值。必須指出，如果給定的屬性在邏輯上不足以描述目標概念，IB1算法講不會成功。

3.降低存儲要求（1）IB2算法（2）IB3算法

2023/8/1史忠植高級人工智能50基于例示的學習2023/8/3史忠植高級人工智能51基于例示的學習基于例示的學習具有如下優(yōu)點：（1）簡單。（2）魯棒性相對較好。（3）概念偏置相對寬松。（4）基于例示學習算法的更新代價較低。

2023/8/1史忠植高級人工智能51基于例示的學習2023/8/3史忠植高級人工智能52案例工程近十年在這方面的理論和應用表明，案例的途徑總是和特定領域相關的。必須注意這兩個問題：（1）修正案例在案例庫中的組織，使其能夠有效和高效地在將來的推理中重用。（2）案例工程自動化：根據(jù)已有的信息自動抽取案例。案例工程是指設計合理的案例庫，生成與應用領域相關的知識的部件，包括案例的結構、案例的組織、案例的檢索（如索引機制、相似性度量）、案例使用的規(guī)則、案例的修正與保存。

2023/8/1史忠植高級人工智能52案例工程2023/8/3史忠植高級人工智能53案例工程

惰性學習與積極學習相結合的方法，必須具備如下的特點：（1）學習算法應該是漸進的，增加新數(shù)據(jù)時，原來的模型能夠通過修正重用，添加數(shù)據(jù)同時可以構造模型，這樣將減少訓練時間。（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系的，上一層的模型可以作為下一層的索引。

2023/8/1史忠植高級人工智能53案例工程2023/8/3史忠植高級人工智能54案例工程（3）不同層次的模型的格式未必是相同的，這一方面是領域知識所要求的，另一方面用戶和算法對不同層次知識的要求也不盡相同。（4）模型的表示要便于