案例推理方法研究

摘 要：案例推理是人工智能領域中的一種重要的問題求解方法，它以其獨特的推理風格和成功的應用，向人們展示了它強大的生命力。本文從案例推理的起源，原理、框架結構以及案例推理的優勢做了詳細介紹。

關鍵詞：案例推理；案例庫；案例檢索

DOI：10.16640/j.cnki.37-1222/t.2019.14.194

0 引言

案例推理是通過機器學習和類比推理的方式來進行的，案例推理方法通過從以往的實例中找出與其相似的實例來求解所要解決的各類問題，案例檢索的查詢方式和求解過程是對于傳統思想的一個突破。由于CBR可以通過不斷的學習過程來提高求解的精度和效率，并且具有信息表達完整，求解方法相對于傳統的數值方法更加簡單等優點，案例推理已經在很多領域都被成功運用。

1 起源與發展

1982年案例推理的思想萌芽出現在Schank的Dynamic Memory中，這被看做是CBR思想第一次出現在世人眼中[1]。雖然還不夠成熟，但是隨著時間的發展，案例推理以它獨特的推理原理和在各行各業中應用的成功，向世界展示了自己獨特的魅力。

Schank著作中有許多關于案例推理的構想是通過第一個案例推理系統--CYRUS來實現的，這個系統使得Schank著作的關于案例推理的理論變成了現實，是一個里程碑。這個系統的成功吸引大批的研究人員，他們在各行各業中都建立了一些案例推理系統，并且運用于實際，取得了不錯的成效。德克薩斯大學的學者提出了關于典型案例的概念，開發了著名的CBR系統--PROTOS。1983年在法律行業第一次引入了案例推理技術，開發出了CABARET系統。

在案例推理的發展歷程中，美國最早起步，技術也最成熟，緊接著歐洲學者也開始了對于案例推理的研究，特別是德國，1991年第一屆CBR專題研討會在德國開幕，從此以后每年都會召開一次專題研討會。隨后英國也開始效仿，英國從1995年開始每年也召開一次CBR研討會。歐洲學者初期對于案例推理的研究主要方向大部分集中在故障診斷系統，例如基于案例的規劃系統CAPLAN[2]、基于案例的醫療診斷學習系統[3]和都是歐洲團隊早期的杰作，隨后歐洲學者又把研究方向放到了專家系統的開發上。

亞洲國家對于案例推理的研究和歐美國家有一定的差距，直到90年代末期，中國、日本等亞洲國家才開始重視案例推理的重要性，并且開始了追逐式的研究，通過不斷的努力縮小和歐美國家的差距。其中最著名的學者是中國中科院的史忠植，他在案例推理的研究上取的了重大突破，提出了用記憶網模型來表示案例推理中的具體實例。

2 案例推理的基本原理

現實生活中的人們處理問題總是會用以前的經驗和知識來處理問題，這種經驗是后天學習的，案例推理就是利用這種思想，統計以前出現的具體實例，通過分析現有問題，在以往的實例中找出類似的案例，從而求解當前問題[3]。CBR的成立條件有兩個：

（1）對于輸入相同或者相近時，輸出總是一致或者接近一致；

（2）案例不是特殊的，是普遍的，會重復出現[4]。

案例推理的優點是解決某個領域中的問題時，并不需要對應領域的全部知識，我們需要的是收集問題的案例，建立案例庫。CBR的原理就是Watson方法[5]。

案例檢索、案例匹配、案例調整、案例學習是CBR的幾個必然步驟：

（1）檢索：從建立的案例庫中找出一個或者多個和當前待解案例最相近的實例；

（2）匹配：使用以前相似案例解來解決當前待解問題；

（3）調整：假設案例庫中沒有和當前待解問題相同和類似的案例，需要對案例進行調整，找到求解途徑；

（4）學習：把新案例加入到案例庫中，供以后求解使用。

3 案例推理系統的框架

CBR的模型庫、實例庫、索引庫組成了整個系統的數據庫，數據庫是整個案例推理系統的基石。當一個新的待解問題出現時，我們首先要把具體問題表示成具體案例，然后經過一定的數據處理，接著去數據庫中匹配相似案例并對檢索出的案例做具體調整，最后推理出結果，具體的推理框架如圖1。

4 案例推理的優勢特點

根據以前的經驗和總結來處理當前問題，是案例推理的基本思路，案例庫中得具體案例就是以往經驗的具體表現，這是根據認知學原理，簡單來說，就是人類在遇到問題時，如果沒有具體的方法引導，總是習慣以往的經歷中去尋找類似的情況，然后加以改進，從而解決當前問題。案例推理和其他系統比較，有以下優點：

第一，基于案例推理系統創建時不會引發知識獲取的瓶頸問題。因為知識獲取只不過是獲得過去的已經解決了的問題過的案例，它也是一種解決問題的經驗。這個優點也是基于案例推理技術誕生的原因。

（1）CBR解決問題時不要求具有對待解的全部領域的知識，需要的是以前的具體案例集合。這個優點也是案例推理被廣泛關注的原因，它降低了解決問題的門檻。

（2）案例數量可以一直增加，當然應該定期的清理冗余案例，隨著案例的增多，求解的效率和精度都會得到提高。當然即使案例庫中案例較少時系統也可以正常進行。

（3）案例推理以具體案例的方式呈現給使用者，這樣更容易理解。

（4）增加解的可靠性。當在某個領域中知識不算完備或者是剛進入某個行業不久，所具有的規則性和判斷性是不足的，在解決具體問題時所得到的解可能不夠精確。但是如果采用案例推理解法，由于

案例是以往真實的事件，甚至是一些專家做出的經典案例，這樣推導出的結果可能更加具有精確性和魯棒性。

5 結束語

隨著科學技術的發展，學科、專業和領域的劃分越來越精細，想要掌握甚至是精通多個學科門類變得越來越困難，當面對一個待求解的多學科綜合問題時，案例推理將是我們最優的選擇。案例推理作為人工智能的一種求解方法，在現階段已經被很多行業應用于實踐當中，隨著技術的發展，案例推理將變得越來越成熟，必將對各行各業產生深遠的影響。

參考文獻：

[1]Schank.R.Dynamic memory：a theory of reminding and learning in computers and people[M].Cambridge： Cambridge University Press，1982：210-213.

[2]M.M.Veloso，H.Munoz-Avila.Case-Based planning：Selected methodsand systems[J].AI Communications.1996，9（03）：128-137.

[3]E.Plaza，R.Lopezde Mantaras.A Case-Based apprentice that learns from fuzzy examples[J]， Methodologies for Intelligent System，1990，12（22）：420-427.

[4]Watson L.Applying case-based reasoning technique for enterprise systems[D].San Francisco：UniVersity of Salford，1999.

[5]Quinlan J.R.Discovering rules from large collections of examples：A Case study[M].Edinburgh University Press，2001：234-238.

作者簡介：劉杰（1984-），男，云南昭通人，研究生，助教，研究方向：控制理論與控制工程。