基于案例推理技术的研究与应用
资料包括： 论文(6页6619字)
说明：
摘 要：基于案例推理(Case-based reasoning. CBR)技术被认为是当今人工智能与专家系统设计的一种非常具有发展前景的方法。本文阐述了CBR的基本原理、工作过程及其主要技术；详细介绍了CBR的国内外的应用现状和研究进展。最后对CBR今后的发展趋势做出概括。
关键词：基于案例推理 研究进展 应用现状
1 引言
基于案例推理（Case-based reasoning，简称CBR）是近年来人工智能领域中兴起的一项重要的推理技术。与基于规则的推理模式不同是，它通过访问案例库中的同类案例（源案例）的求解从而获得当前问题（目标案例）的解决方法 。基于案例推理首先是由美国耶鲁大学罗杰•沙克（Roger Schank）在研究动态存储器技术中发现的，并在1982年所著《Dynamic Memory》一书中提出了动态记忆理论，这被认为是最早关于CBR的思想。经过二十多年的发展，目前CBR已成为人工智能与专家系统的一种非常具有生命力的推理技术，广泛应用于诸多领域，并受到越来越多的重视。本文就CBR的研究进展和应用现状作一概括。
2 CBR理论与技术
2.1 CBR基本原理
基于案例推理是模拟人类类比思维的一种推理方法，其推理过程往往具有人类经验推理的一些特征。CBR的基本过程是：当遇到一个新的问题时，系统根据关键的特征在原始的案例库中进行检索，找出一个与
待求问题最相近的候选案例，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的案例保存在库中，以便下次遇到类似的问题时作为参考。CBR以案例作为知识元，知识获取和表示自然直接，并且具有自学习功能，其本质是基于相似性的类比推理，这正是符合了人类类比思维的逻辑。
CBR有两种类型，即问题求解型和解释型。问题求解型侧重于对过去策略的匹配与修改，而解释型强调以旧案例对新案例作出评价与解释。无论哪一种，其推理过程均类似于人类经验类比推理，而且具有简化知识获取、通过直接获得提高求解效率、求解质量较高、适用于非计算推导的优点。因此将是人工智能与专家系统设计的一种非常具有发展前景的方法。
1 引言
2 CBR理论与技术
3 CBR的研究与应用状况
4 展望
参考文献：
Schank R，Abelson R R.Goals and Understanding [M].Erlbanum： Eksevier Science， 1977
Kolodner J. Maintaining organization in a dynamic long-term memory [J].Cognitive Science，1983，7(4)，243-280
Oxman L.Workshop notes of AID’96 [C].In： Gero J Sed Proc Fourth International Conference on Artificial Intelligence in Design，Stanford University USA：Academic Press ，1996
徐明，胡守仁.论CBR研究中的若干误区.微电子学与计算机，1994(5)：28-30
张光前，邓贵仁，李朝晖. 基于案例推理及其应用前景. 计算机工程与应用，2002，20：52－55
韩军，车文刚.CBR―种新型的人工智能推理方法. 昆明理工大学学报（理工版），2003，28(1)：88－91
Gavin Finnie，Zhaohao Sun.R5 model for Case-Based Reasoning. Knowledge-Based Systems，2003 (16)： 59-65
David W. Patterson，Niall Rooney and Mykola Galushka.Efficient Similarity Determination and Case Construction Techniques for Case-Based Reasoning.ECCBR 2002：292-305
www.ccs.neu.edu/home/hafner/hafner-legal.doc
www.ai-cbr.org/classroom/cbr-review.htm#CBR%20Applications