第5章_ 基于案例的推理

2020/4/6
11
史忠植 高级人工智能
相似性关系
3.目标特征
问题求解的最终目的是要实现问题本身所提出的目标。人们 求解问题时，都是向着这个目标而竭尽其力。在相似的一组源案 例中，那些对实现目标案例的目标具有潜在的重要作用的源案例， 较之那些不具有目标相关性的源案例，更应该得到优先考虑。
如果为一种结构表示增加了目标信息，那么，这个增大了的 结构同其他包含有相似的目标信息的结构之间，更加具有语义相 似性和结构一致性。换言之，目标特征会增加我们对源案例选择 的可靠性。同时，它可以帮助我们限制对源案例进行搜索的范围。
2020/4/6
史忠植 高级人工智能
10
相似性关系
2.结构相似性
如果在两个结构之间存在，某种对应关系，且这种对应关系 能够保持结构一致性，则认为两结构是同构的。结构一致性要求： 一一对应的关系必须保证他们涉及的个体或低阶关系也是一一对 应的，且这种对应不应打破原来个体间的对应关系。
结构对于类比检索的意义是重大的。首先，表面上并不相似 的案例由于在结构上具有相似性，从而使类比成为可能。其次， 子结构间的同构或相似性可以使我们只需我们见树木，而不必顾 及森林。
5.11 案例工程
5.12 中心渔场预报专家系统
2
2020/4/6
史忠植 高级人工智能
概述
人们为了解决一个新问题，先是进行回忆，从记忆中 找到一个与新问题相似的案例 ，然后把该案例 中的有 关信息和知识复用到新问题的求解之中。
在基于案例 推理 (Case-Based Reasoning, 简称CBR)中， 把当前所面临的问题或情况称为目标案例 (target case)， 而把记忆的问题或情况称为源案例 (base case)。粗略 地说，基于案例 推理就是由目标案例 的提示而获得记 忆中的源案例 ，并由源案例 来指导目标案例 求解的一 种策略。
N
dij Vik Vjk
k1
其中 Vik和 Vjk分别表示范例 i和范例 j的第k个属性值 。
2020/4/6
史忠植 高级人工智能
17
相似性关系
2. 欧氏距离(Euclidean)
N
dij
(Vik V jk )2
k 1
2020/4/6
史忠植 高级人工智能
18
相似性关系
3.麦考斯基距离
高级人工智能
第五章
基于案例的推理
史忠植
中国科学院计算技术研究所
2020/4/6
史忠植 高级人工智能
1
第五章 基于案例的推理
5.1 概述
5.2 类比的形式定义
5.3 相似性关系
5.4 基于案例推理的工作过程
5.5 案例的表示
5.6 案例的索引
5.7 案例的检索
5.8 案例的复用
5.9 案例的保存
5.10 基于Βιβλιοθήκη 例的学习2020/4/6史忠植 高级人工智能
4
概述
总体上说，基于案例推理在如下方面对人工 智能作出了贡献： （1）知识获取； （2）知识维护； （3）改进问题求解效率； （4）改进问题求解质量； （5）提高用户接受度。
2020/4/6
史忠植 高级人工智能
5
概述
中国科学院计算技术研究所智能信息处理开放实验室在 基于案例 推理方面进行了一系列研究。
2020/4/6
12
史忠植 高级人工智能
相似性关系
4.个体相似性
在我们的模型中强调的另一重要约束是个体的类别信息。 从不严格的意义上讲，如果两个个体之间具有一些 (或一个) 相似的属性，则它们是属于同一类别的。在概念聚类中，我们 使用概念 (或客体) 间的相关性或紧致性来对概念 (客体) 集 进行分类。相关性是指概念的属性之间相似度的平均值。但在 这里，我们将把电线和绳索看作是同一类别的，因为它们均可 以用来绑缚物体。
案例的表示表明，案例 的情境是由许多属 性组成，案例 间的相似度就是根据属性（或变 量）之间的相似度定义的。目标案例 与源案例 之间的相似性有语义相似、结构相似、目标相似 和个体相似。
2020/4/6
史忠植 高级人工智能
9
相似性关系
1.语义相似性
两案例之间是可以类比的，首先必须满足语义上具有相似性 关系。相似性关系是类比问题求解的基础。两实体的类比可以区 分为正类比、反类比、不确定类比。正类比是由相似性关系所确 定的两实体之间的可类比部分， 反类比则是已被确定为两实体间 不相似的部分， 不确定类比是两实体之间尚未确定是否可类比的 部分。两个实体可类比的条件之一是:模型的本质性质和因果关系 不构成反类比的一部分。 不确定类比使得类比具有一定的预见性， 这种预见可能是正确的，也可能是错误的。在类比求解中，目标 案例 的本质特征和源案例 的本质特征必须具有相似性关系，才 能使类比有了基础。
2020/4/6
史忠植 高级人工智能
14
相似性关系
2）枚举属性的相似度 枚举型属性相似度一般有两种，一种是只要两个属性
值不同，就认为两者之间的相似度为0，否则为1；另一种 则依据具体情况而定，不是简单的非此即彼划分，而是针 对不同的属性值间不同的关系给以具体的定义。前者其实 是质上的，即非此即彼的二值分割；后者则是量上的，进 一步细化值间的区别。一般来讲，前者定义通用，适于种 种情况；而后者则要由人来预定义，与领域知识相关的， 从而专用性强。两种方法各有自己的适用范围。
2020/4/6
史忠植 高级人工智能
3
概述
一个案例应具有如下特性： （1）案例表示了与某个上下文有关的具体知识，这种知识具 有可操作性； （2）案例可以是各式各样的，可有不同的形状和粒度，可涵 盖或大或小的时间片，可带有问题的解答或动作执行后的效应； （3）案例记录了有用的经验，这种经验能帮助推理机在未来 更容易地达到目标，或提醒推理机失败发生的可能性有多大等。
•1991年提出了记忆网模型和案例 检索算法。 • 1993年研制了基于案例 学习的内燃机油产品设计系
统EOFDS。 • 1994年开发了基于案例 推理的天气预报系统。 • 1995年开发了基于案例 推理的轧钢规程系统 • 1996年开发了基于案例推理的淮河王家坝洪水预报
调度系统FOREZ。 • 2000年研制了渔情分析专家系统。
基于案例推理有两种形式： （1）问题求解型（problem-solving CBR） （2）解释型（interpretive CBR）
前者利用案例以给出问题的解答；后者把案 例用作辩护的证据。
2020/4/6
史忠植 高级人工智能
21
基于案例推理的工作过程
检索 建议解方案
修正
辩护
评审 实际评估
存储
2020/4/6
类比的形式定义
已知问题A，有求解结果B，
先给定一个新问题A’，A’与A在
特定的度量下是相似的，求出问 题A’的求解结果B’。如图， β反
A α
A’
映B与A之间的依赖关系，称作因
β
β’
果关系。 α表示源领域A与目标领
域A’之间的相似关系。由此可以 推出，B’与A’之间的依赖关系β’。
B
α’
B’
相似性关系
对于问题求解之类的问题，则需要根据它们之间的不同对复用的解进行调 整。
(6) 解释过程: 对把转换过的源案例 的求解方案应用到目标案例 时所出现 的失败做出解释，给出失败的因果分析报告。有时对成功也同样做出解释。 基于解释的索引也是一种重要的方法。
(7) 案例修补: 有些类似于类比转换，区别在于修补过程的输入是解方案 和一个失败报告，而且也许还包含一个解释，然后修改这个解以排除失败 的因素。
2020/4/6
史忠植 高级人工智能
6
类比的形式定义
用类比求解问题，往往在提出或遇到某一问 题时，回忆以前相似的老问题，通过对两种情况 进行匹配，经过推理获得新知识。也可以通过对 老问题解法的检索和分析、调整，得出新问题的 解决方法。因此，计算模型除了记忆和新问题相 似的老问题的解法外，还应具有获取技能的过程 ，即必须学会根据过去有用的经验，来调整问题 求解方法。当人们对存在相似解进行更为直接的 回忆和修改后仍不能得出问题的解答时，再反过 来用弱方法求解。因此，类比是一种基于知识学 习（或经验）的学习。
dij
N k1
Vik
Vj k
1/ q
q
2020/4/6
史忠植 高级人工智能
19
基于案例 推理的工作过程
问题
学习获取 案例
学习 保存
检索/ 修正案例
新案例
相似度 检索
检索案例
案例库
复用 自适应
修正 验证
案例 解方法
确认解决方案
建议解方案
2020/4/6
史忠植 高级人工智能
20
基于案例推理流程
在决定选取案例 的哪些信息进行保留时，一般要考虑以下几点：和问 题有关的特征描述；问题的求解结果；以及解答为什么成功或失败的原因 及解释。
把新案例加入到案例 库中， 需要对它建立有效的索引，这样以后才能 对之作出有效的回忆。索引应使得与该案例 有关时能回忆得出，与它无关 时不应回忆出。为此，可能要对案例 库的索引内容甚至结构进行调整，如 改变索引的强度或特征权值。
基于案例推理的工作过程
(4) 类比映射: 寻找目标案例 同源案例 之间的对应关系。 (5) 类比转换: 转换源案例 中同目标案例 相关的信息，以便应用于目标 案例 的求解过程中。其中，涉及到对源案例 的求解方案的修改。把检索 到的源案例 的解答复用于新问题或新案例 之中。它们分别是，源案例 与 目标案例 间有何不同之处；源案例 中的哪些部分可以用于目标案例 。对 于简单的分类问题，仅需要把源案例 的分类结果直接用于目标案例 。它 无需考虑它们之间的差别，因为实际上案例 检索已经完成了这项工作。而