基于案例推理發展現狀的文獻綜述

摘 "要：本文主要論述了基于案例推理的原理、工作流程，對案例推理方法關鍵技術進行了分析，提出現存的問題，并對應用現狀做出簡要闡述。

關鍵詞：案例推理;技術;問題

文章編號：1674-3520（2014）-11-00-02

一、基于案例推理的基本原理及流程簡述

案例推理 （Case—Based Reasoning，CBR） ，是由耶魯大學 Shank 教授在 1982年出版的專著《Dynamic Memory》中提出的。[1]其主要進程有四步：相似案例檢索（Retrieve）、案例重用（Reuse）、案例調整（Revise）以及案例學習（Retain）。案例推理中存在一個儲存源案例的案例庫，它以案例屬性的辨識度為依據，通過算法進行檢索，并依照屬性權重不同呈現出對應的歷史解決方案。其具體流程如下：

（一）案例表示。案例表示是案例推理的首要步驟，相關工作者可以根據自身的需要制作出適合本案例系統的案例表達方法，并依據案例屬性的特征賦予其相應的權重。

（二）案例檢索。案例的檢索是 CBR 系統中的重要環節，即依照一定的檢索規則在 CBR數據庫中查找與目標案例的特征屬性最為接近的案例，并提取出來。相似案例的檢索要求達到檢索出的相似案例盡量的少和檢索出的案例與目標案例相似度盡量高這兩個目標。目前較常用的案例檢索算法有知識引導法、神經網絡法、歸納索引法以及最近相鄰法等。

（三）案例調整。為了更好地服務應用實踐，根據新問題對檢索到的相似案例進行修改的過程稱為案例的調整和修改。案例的調整和修改需要人們根據具體的技能知識靈活進行，沒有較為統一的的方法可供借用，因此它是 CBR 的一個難題。

（四）案例學習。案例學習是保持案例實效性與知識更新中的必要環節。案例學習包括案例庫的維護和案例評價。案例的維護既是對案例庫中案例的可利用性進行評估的過程，也是對案例庫中蘊含的專業知識體系不斷更新的過程[3]。案例的評價是指檢索到的案例對于目標案例的參考價值的評定，它有助于提高相關人員對案例推理系統的認知程度，并及時修正系統中的相關問題。

二、基于案例推理的關鍵技術

（一）案例的表示與組織

案例的恰當表示是目標事件向統一的標準量化式轉換的過程。具體來講，案例的內容一般有如下三個主要組成部分：① 具體問題及背景與環境狀況;②解決方案的記錄;③反饋結果與評價。部分案例還可采用基于特征向量的表示方法進行描述，即設置非空集合U，歷史案例為U（x），其中的特征屬性元素用a1，a2，a3….an表示，目標案例B（x）可與多種案例集合相交，交集所含元素越多表示兩案例的關聯程度越高。以此亦可宏觀看出多種案例之間的相互關系。[1]

案例的恰當組織有利于案例庫的建立完善，從而為該項問題的案例儲備做好工作。

在CBR領域中運用較多、影響較大的組織案例的方法有羅杰·夏克（Roger Shank）的動態記憶模型和波特（Porter）的類型-實例模型。動態記憶模型是以具體的歷史案例為基礎，綜合其特征屬性集合作為實例單元，通過分析得出共性的屬性特征與應對措施等要素，形成抽象層，作為抽象單元。案例即是在此兩種層面動態存儲;類型-實例模型則是一種單層次的案例組織模型，其中具有標志性的共同特征屬性的案例被集合形成一種類型，這些類型反映著專業知識及原理。所有案例依據屬性特征對于案例的影響程度賦予相應的權重并依次排列。

兩種組織類型都能夠有效地體現不同案例的特征屬性，動態記憶模型是依據客觀實例抽象出科學的解決方法，較為直觀，但組織整理的成本大且具有主觀性;類型—事例模型則能夠更全面的呈現出匹配案例，但需要決策者花費更多時間對方案做研討，不利于應對突發事件的處理。

（二）案例的檢索與匹配環節

案例的檢索與匹配是實現案例推理的核心環節。案例的檢索需要對目標案例的特征屬性有較為明確的表示、錄入，這就涉及到一個非常重要的處理技術——目標案例與源案例的相似度計算。

案例與案例之間相似度的匹配實際上是其不同屬性的量化比較，案例的各個屬性根據其屬性值對應地分為四類，即確定數型屬性、確定符號屬性、模糊概念屬性、模糊數或模糊區間屬性。

確定數型屬性的相似度可以用基于距離的方法來計算，叢浩哲等人對于該種方法闡述如下

屬性 ai的兩個屬性值 Xai和 Qai的相似度可表示為：

[2]

對于模糊概念屬性及模糊數或模糊區間屬性的表示方面，張本生、于永利 在CBR 系統案例搜索中的混合相似度度量方法的研究上認為其主要基于三個理論方法：①模糊集理論;②神經網絡技術;③粗糙集理論。

模糊集理論提供了一種處理不肯定性、不精確性案例的方法。基于模糊集理論，一般有兩種常用的算法：TC相似模型（Tversky Contrast Matching）和最近相鄰算法。其中TC相似算法雖然應用廣泛但未能體現出不同案例特征屬性對于該案例具體的影響維度。相比來說，最近相鄰算法則引入了權值，但權值在各案例中的比重不變，且權值的賦予是有相關專家進行操作，因此會存在較大的主觀性和不確定性。

人工神經網絡技術是人們模擬大腦神經的組織結構進行，進行分布式的網狀數據分布，經過嚴密的算法不斷調整各個節點間的相互關系。它能夠更客觀地反映不同案例間屬性的影響程度。

以上兩種理論都是基于嚴密的數學算法進行，并以數值的形式計入案例庫，具有很強的精確性。但其相關權重的賦予與規范樣式的提出都具有不同程度上的主觀，而粗糙理論集則是依靠對知識的高度概括及架構，建立多重索引，既能夠起到簡化案例庫的作用，又可依據人們對不同問題進行不同方法的索引得出更為準確的歷史案例。由于其不需要先驗知識，而是對現有案例進行客觀提煉和總結，形成的案例索引是較為客觀的。

（三）案例方案的采用

在檢索到相匹配的案例后就可以使用已有的案例解決方案來為目標案例進行服務了，這就是案例重用的過程。案例的重用包括過程重用與思路重用。然而現實情況中幾乎不存在與目標案例完全吻合的歷史案例源，因此需要對案例進行調整。案例調整一般是根據新案例與檢索到的存貯案例之間的最主要差異，利用公式或規則來得出新的解決方案。

三、基于案例推理的應用

案例推理方法產生的時間不長，但發展迅速，現已被眾多領域運用來解決產生的新問題。如突發事件應急管理、企業管理、計算機信息科學、法律案件、醫療領域等領域。

（一）在突發事件應急管理方面的應用

由于突發事件應急方案的制定具有緊迫性和不可預知性，基于案例推理則成為處理此類問題重要的人工智能方法。

國內對于該領域具有廣泛的研究。張賢坤以不確定應急案例的知識表示和推理為出發點，研究基于案例推理的突發事件決策方法，實現應對突發事件應急輔助決策;王曉、莊亞明將模糊集理論、神經網絡 Hebb 學習規則和多元線性回歸與案例推理法相結合，能夠比較準確地預測出非常規突發事件的資源需求。[3]叢浩哲、郭強等人在基于案例推理的交通事件應急響應預案研究中運用相關專業知識提出了科學的目標事件與案例的屬性相似度及屬性權重的計算方法，并應用相關計算機軟件開發了基于 CBR 的高速公路交通事件預案應急決策系統。

（二）在企業管理方面的應用

對于企業等社會組織的內部管理、危機防治等方面問題的解決，研究人員將掌握的CBR技術與自身專業知識相結合，提出科學的應對方案。柳炳祥，盛昭翰在企業危機管理的研究中給出了一種基于案例推理的欺詐危機的預警方法，用來驗證基于案例推理方法在企業危機預警中應用的可行性和有效性。[9]賴院根等人基于案例推理在企業專利戰略制定研究中針對目前企業專利戰略制定中存在的問題，構建了基于案例推理的企業專利戰略制定模型。

（三）在計算機信息科學領域的應用

計算機的普及和通信技術的迅速發展，使計算機網絡已經滲透到人們的日常生活中，而一些網絡中的相關問題也日益凸顯。

賈煒在對現有網絡脆弱性評估方法調研分析的基礎上，提出了一種基于網絡脆弱性攻擊圖的脆弱性評估模型。由于網絡具有虛擬性、隱蔽性、傳播快、等特點，現已成為人們表達個人觀點的重要途徑。對于重大事項的討論與決策，政府也越來越注重“網絡評議政府”這一重要的民主決策渠道。陳翔等三人在基于案例推理在網絡輿情輔助決策系統的研究中，提出一種基于案例推理的網絡輿情輔助決策系統框架，在此基礎上開發完成了基于案例推理的網絡輿情輔助決策系統。

（四）在智能故障診斷領域的運用

將CBR應用到故障診斷領域，能夠提高對機電液設備的故障診斷能力。鄭佩在分析了案例知識的表示內容和方法的基礎上，采用一種面向對象技術和數據庫技術相結合的案例表示方法，并引入抽象案例的概念，建立了故障案例的層次結構模型。[12]

四、基于案例推理存在的問題簡述

（一）關于案例的學習

當前案例推理的研究，大部分只集中于其關鍵技術，即案例的檢索與匹配等環節，對于案例的重用、案例的學習方面的研究涉及較少。針對案例的學習方面，一味的增加不斷出現的新問題所成案例，不一定有助于案例庫的優化，對于屬性相重疊的案例，單純數量的增長只會造成案例庫的冗雜，從而降低案例庫的質量及檢索效率。

（二）我國對于CBR技術的應用

國內真正將CBR運用到工商業領域的還很少，而國外已能夠將CBR技術的研究廣泛應用于生產生活。80年代后期美國就在分類、診斷、計劃及設計等領域內開發了數百個應用實例，對于研究領域建立起的數據模型及檢索方式已有較為成功的實踐經驗。

如JUDGE是Reinbeck于1989年開發的一個模擬司法判決的基于案例模型夠為目標案件的審判進行當前情景的模擬，為法官對于案件的審理提供很好的借鑒方案。CHEF烹調規劃程序可根據不同菜對配料的要求，檢索源案例中的菜譜，修改并創建新的菜品。[3]

（三）案例推理的深入發展

目前各類具體領域的研究都將自身專業知識置于案例推理技術的框架下并綜合數學、統計學等知識，形成解決該領域內存在問題的應對機制。盡管有認知科學和人工智能等一些相關理論的支持，但至今CBR技術仍沒有形成一套嚴密體系，對其工作過程中各個步驟采用什么方法，沒有一個統一的成熟技術和理論指導。只能是在眾多理論研究中進行試驗選擇，以達到針對本領域研究問題的最佳方法。而這也將成為未來完善CBR技術的指導方向。

五、總結

本文針對基于案例推理進行了多方面的闡述，重點對其關鍵技術的研究現狀及CBR的應用及行了匯總，并指出了現階段存在的一些問題。總體而言，基于案例推理模式有效地解釋了人們在面對不確定的復雜問題時，如何去解決;揭示了如何將獲得的經驗進行提煉與匹配，為復雜的、非結構問題的解決提供了極大的幫助。

參考文獻：

[1]劉華琦《基于案例推理的電弧爐冶煉過程用氧量優化研究》[D] 東北大學碩士論文2011-06-01

[2]叢浩哲 郭強 吳曉峰 紀廷婷《基于案例推理的交通事件應急響應預案推理研究》[J]中國會議2012-09-26

[3]房文娟，李紹穩，袁媛，汪偉偉《基于案例推理技術的研究與應用》[J]《農業網絡信息》2005-01-26