摘 要：案例推理是人工智能領(lǐng)域中的一種重要的問題求解方法，它以其獨(dú)特的推理風(fēng)格和成功的應(yīng)用，向人們展示了它強(qiáng)大的生命力。本文從案例推理的起源，原理、框架結(jié)構(gòu)以及案例推理的優(yōu)勢(shì)做了詳細(xì)介紹。

關(guān)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(jī)器學(xué)習(xí)和類比推理的方式來進(jìn)行的，案例推理方法通過從以往的實(shí)例中找出與其相似的實(shí)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(duì)于傳統(tǒng)思想的一個(gè)突破。由于CBR可以通過不斷的學(xué)習(xí)過程來提高求解的精度和效率，并且具有信息表達(dá)完整，求解方法相對(duì)于傳統(tǒng)的數(shù)值方法更加簡單等優(yōu)點(diǎn)，案例推理已經(jīng)在很多領(lǐng)域都被成功運(yùn)用。

1 起源與發(fā)展

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

Schank著作中有許多關(guān)于案例推理的構(gòu)想是通過第一個(gè)案例推理系統(tǒng)--CYRUS來實(shí)現(xiàn)的，這個(gè)系統(tǒng)使得Schank著作的關(guān)于案例推理的理論變成了現(xiàn)實(shí)，是一個(gè)里程碑。這個(gè)系統(tǒng)的成功吸引大批的研究人員，他們?cè)诟餍懈鳂I(yè)中都建立了一些案例推理系統(tǒng)，并且運(yùn)用于實(shí)際，取得了不錯(cuò)的成效。德克薩斯大學(xué)的學(xué)者提出了關(guān)于典型案例的概念，開發(fā)了著名的CBR系統(tǒng)--PROTOS。1983年在法律行業(yè)第一次引入了案例推理技術(shù)，開發(fā)出了CABARET系統(tǒng)。

在案例推理的發(fā)展歷程中，美國最早起步，技術(shù)也最成熟，緊接著歐洲學(xué)者也開始了對(duì)于案例推理的研究，特別是德國，1991年第一屆CBR專題研討會(huì)在德國開幕，從此以后每年都會(huì)召開一次專題研討會(huì)。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(huì)。歐洲學(xué)者初期對(duì)于案例推理的研究主要方向大部分集中在故障診斷系統(tǒng)，例如基于案例的規(guī)劃系統(tǒng)CAPLAN[2]、基于案例的醫(yī)療診斷學(xué)習(xí)系統(tǒng)[3]和都是歐洲團(tuán)隊(duì)早期的杰作，隨后歐洲學(xué)者又把研究方向放到了專家系統(tǒng)的開發(fā)上。

亞洲國家對(duì)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(xué)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(wǎng)模型來表示案例推理中的具體實(shí)例。

2 案例推理的基本原理

現(xiàn)實(shí)生活中的人們處理問題總是會(huì)用以前的經(jīng)驗(yàn)和知識(shí)來處理問題，這種經(jīng)驗(yàn)是后天學(xué)習(xí)的，案例推理就是利用這種思想，統(tǒng)計(jì)以前出現(xiàn)的具體實(shí)例，通過分析現(xiàn)有問題，在以往的實(shí)例中找出類似的案例，從而求解當(dāng)前問題[3]。CBR的成立條件有兩個(gè)：

（1）對(duì)于輸入相同或者相近時(shí)，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(huì)重復(fù)出現(xiàn)[4]。

案例推理的優(yōu)點(diǎn)是解決某個(gè)領(lǐng)域中的問題時(shí)，并不需要對(duì)應(yīng)領(lǐng)域的全部知識(shí)，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(diào)整、案例學(xué)習(xí)是CBR的幾個(gè)必然步驟：

（1）檢索：從建立的案例庫中找出一個(gè)或者多個(gè)和當(dāng)前待解案例最相近的實(shí)例；

（2）匹配：使用以前相似案例解來解決當(dāng)前待解問題；

（3）調(diào)整：假設(shè)案例庫中沒有和當(dāng)前待解問題相同和類似的案例，需要對(duì)案例進(jìn)行調(diào)整，找到求解途徑；

（4）學(xué)習(xí)：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(tǒng)的框架

CBR的模型庫、實(shí)例庫、索引庫組成了整個(gè)系統(tǒng)的數(shù)據(jù)庫，數(shù)據(jù)庫是整個(gè)案例推理系統(tǒng)的基石。當(dāng)一個(gè)新的待解問題出現(xiàn)時(shí)，我們首先要把具體問題表示成具體案例，然后經(jīng)過一定的數(shù)據(jù)處理，接著去數(shù)據(jù)庫中匹配相似案例并對(duì)檢索出的案例做具體調(diào)整，最后推理出結(jié)果，具體的推理框架如圖1。

4 案例推理的優(yōu)勢(shì)特點(diǎn)

根據(jù)以前的經(jīng)驗(yàn)和總結(jié)來處理當(dāng)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(jīng)驗(yàn)的具體表現(xiàn)，這是根據(jù)認(rèn)知學(xué)原理，簡單來說，就是人類在遇到問題時(shí)，如果沒有具體的方法引導(dǎo)，總是習(xí)慣以往的經(jīng)歷中去尋找類似的情況，然后加以改進(jìn)，從而解決當(dāng)前問題。案例推理和其他系統(tǒng)比較，有以下優(yōu)點(diǎn)：

第一，基于案例推理系統(tǒng)創(chuàng)建時(shí)不會(huì)引發(fā)知識(shí)獲取的瓶頸問題。因?yàn)橹R(shí)獲取只不過是獲得過去的已經(jīng)解決了的問題過的案例，它也是一種解決問題的經(jīng)驗(yàn)。這個(gè)優(yōu)點(diǎn)也是基于案例推理技術(shù)誕生的原因。

（1）CBR解決問題時(shí)不要求具有對(duì)待解的全部領(lǐng)域的知識(shí)，需要的是以前的具體案例集合。這個(gè)優(yōu)點(diǎn)也是案例推理被廣泛關(guān)注的原因，它降低了解決問題的門檻。

（2）案例數(shù)量可以一直增加，當(dāng)然應(yīng)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(huì)得到提高。當(dāng)然即使案例庫中案例較少時(shí)系統(tǒng)也可以正常進(jìn)行。

（3）案例推理以具體案例的方式呈現(xiàn)給使用者，這樣更容易理解。

（4）增加解的可靠性。當(dāng)在某個(gè)領(lǐng)域中知識(shí)不算完備或者是剛進(jìn)入某個(gè)行業(yè)不久，所具有的規(guī)則性和判斷性是不足的，在解決具體問題時(shí)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(shí)的事件，甚至是一些專家做出的經(jīng)典案例，這樣推導(dǎo)出的結(jié)果可能更加具有精確性和魯棒性。

5 結(jié)束語

隨著科學(xué)技術(shù)的發(fā)展，學(xué)科、專業(yè)和領(lǐng)域的劃分越來越精細(xì)，想要掌握甚至是精通多個(gè)學(xué)科門類變得越來越困難，當(dāng)面對(duì)一個(gè)待求解的多學(xué)科綜合問題時(shí)，案例推理將是我們最優(yōu)的選擇。案例推理作為人工智能的一種求解方法，在現(xiàn)階段已經(jīng)被很多行業(yè)應(yīng)用于實(shí)踐當(dāng)中，隨著技術(shù)的發(fā)展，案例推理將變得越來越成熟，必將對(duì)各行各業(yè)產(chǎn)生深遠(yuǎn)的影響。

參考文獻(xiàn)：

[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。