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，它以其獨特的推理風(fēng)格和成功的應(yīng)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(jié)構(gòu)以及案例推理的優(yōu)勢做了詳細介紹。

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

案例推理是通過機器學(xué)習(xí)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(tǒng)思想的一個突破。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，并且具有信息表達完整，求解方法相對于傳統(tǒng)的數(shù)值方法更加簡單等優(yōu)點，案例推理已經(jīng)在很多領(lǐng)域都被成功運用。

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，但是隨著時間的發(fā)展，案例推理以它獨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)想是通過第一個案例推理系統(tǒng)--CYRUS來實現(xiàn)的，這個系統(tǒng)使得Schank著作的關(guān)于案例推理的理論變成了現(xiàn)實，是一個里程碑。這個系統(tǒng)的成功吸引大批的研究人員，他們在各行各業(yè)中都建立了一些案例推理系統(tǒng)，并且運用于實際，取得了不錯的成效。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(xué)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(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]和都是歐洲團隊早期的杰作，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例。

2 案例推理的基本原理

現(xiàn)實生活中的人們處理問題總是會用以前的經(jīng)驗和知識來處理問題，這種經(jīng)驗是后天學(xué)習(xí)的，案例推理就是利用這種思想，統(tǒng)計以前出現(xiàn)的具體實例，通過分析現(xiàn)有問題，在以往的實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：

（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(fù)出現(xiàn)[4]。

案例推理的優(yōu)點是解決某個領(lǐng)域中的問題時，并不需要對應(yīng)領(lǐng)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(diào)整、案例學(xué)習(xí)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(dāng)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(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，需要對案例進行調(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、實例庫、索引庫組成了整個系統(tǒng)的數(shù)據(jù)庫，數(shù)據(jù)庫是整個案例推理系統(tǒng)的基石。當(dāng)一個新的待解問題出現(xiàn)時，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)勢特點

根據(jù)以前的經(jīng)驗和總結(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)驗的具體表現(xiàn)，這是根據(jù)認知學(xué)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(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，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：

第一，基于案例推理系統(tǒng)創(chuàng)建時不會引發(fā)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(jīng)解決了的問題過的案例，它也是一種解決問題的經(jīng)驗。這個優(yōu)點也是基于案例推理技術(shù)誕生的原因。

（1）CBR解決問題時不要求具有對待解的全部領(lǐng)域的知識，需要的是以前的具體案例集合。這個優(yōu)點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得到提高。當(dāng)然即使案例庫中案例較少時系統(tǒng)也可以正常進行。

（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)在某個領(lǐng)域中知識不算完備或者是剛進入某個行業(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(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，想要掌握甚至是精通多個學(xué)科門類變得越來越困難，當(dāng)面對一個待求解的多學(xué)科綜合問題時，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，必將對各行各業(yè)產(chǎn)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。