在基于案例推理Case-BasedReasoning簡稱CBR中-智能科學(xué)網(wǎng)站

類比推理

AnalogicalReasoning高級(jí)人工智能第五章2024/12/13史忠植高級(jí)人工智能2內(nèi)容提要5.1概述5.2類比推理5.3案例推理5.4遷移學(xué)習(xí)2024/12/13高級(jí)人工智能史忠植3什么是類比推理類比是人類應(yīng)用過去的經(jīng)驗(yàn)來求解新問題的一種思維過程。類比推理是把兩個(gè)或兩類事物或情形進(jìn)行比較，找出它們在某一抽象層上的相似關(guān)系，并以這種關(guān)系為依據(jù)，把某一事物或情形的有關(guān)知識(shí)加以適當(dāng)整理〔或變換〕對(duì)應(yīng)到另一事物或情況，從而獲得求解另一事物或情形的知識(shí)。類比推理2024/12/13高級(jí)人工智能史忠植4Onemayinfer,byanalogy,thathydraulicslawsaresimilartoKirchoff'slaws,andOhm'slaw.類比推理2024/12/13高級(jí)人工智能史忠植52024/12/13史忠植高級(jí)人工智能6開展簡況1971年，Kling,R.E.,StanfordResearchInstitute,發(fā)表文章“AParadigmforReasoningbyAnalogy〞提出了記憶網(wǎng)模型和案例檢索算法。1981年，JaimeG.Carbonell,Carnegie-MellonUniversity,發(fā)表文章“AComputationalModelofAnalogicalProblemSolving〞，提出了轉(zhuǎn)換類比1983年，JaimeG.Carbonell,發(fā)表文章“DerivationalAnalogyanditsroleinProblemSolving〞,提出了派生類比1991年，JaimeG.Carbonell等，發(fā)表文章“PRODIGY:AnIntegratedArchitectureforPlanningandLearning〞，開發(fā)了PRODIGY系統(tǒng)。

2024/12/13史忠植高級(jí)人工智能7案例推理開展簡況2024/12/13史忠植高級(jí)人工智能8案例推理開展簡況2024/12/13史忠植高級(jí)人工智能9案例推理開展簡況類比推理2024/12/13高級(jí)人工智能史忠植10類比的重要性：類比現(xiàn)象普遍存在。類比在人的思維中扮演著極為重要的角色。比喻的使用。在計(jì)算機(jī)上實(shí)現(xiàn)類比問題求解系統(tǒng)可以使計(jì)算機(jī)也具有創(chuàng)造性思維。2024/12/13高級(jí)人工智能史忠植11類比的形式定義ABA’B’αα’ββ’類比問題求解的一般模式2024/12/13高級(jí)人工智能史忠植12轉(zhuǎn)換類比2024/12/13高級(jí)人工智能史忠植13手段-目的分析的問題求解模型問題空間：一組可能的問題組合狀態(tài)集。一個(gè)初始狀態(tài)。一個(gè)或多個(gè)目標(biāo)狀態(tài)。一組變換規(guī)那么集差異函數(shù)對(duì)可用規(guī)那么編序的索引函數(shù)一組全局路徑限制差異表S-MEA算法2024/12/13高級(jí)人工智能史忠植14比較當(dāng)前狀態(tài)和目標(biāo)狀態(tài)，得出差異選擇適宜的規(guī)那么，以減少兩個(gè)狀態(tài)間的差異盡可能應(yīng)用轉(zhuǎn)換規(guī)那么，直至完成狀態(tài)轉(zhuǎn)換。否那么保存當(dāng)前狀態(tài)，并將MEA算法遞歸地應(yīng)用于其它子問題，直到該子問題確認(rèn)不能滿足該規(guī)劃的前提條件為止。當(dāng)子問題求解后，恢復(fù)被保存的當(dāng)前狀態(tài)，再繼續(xù)求解原來的問題2024/12/13高級(jí)人工智能史忠植15類比求解問題的計(jì)算模型EMEA的T-空間包括：轉(zhuǎn)換空間中每個(gè)狀態(tài)是初始問題的潛在解，包括初始狀態(tài)、最終狀態(tài)、操作符序列以及路徑限制。初始狀態(tài)：O-空間中檢索到的相似問題的解序列。目標(biāo)狀態(tài)：求解新問題的解的標(biāo)準(zhǔn)說明。操作符將一個(gè)完整的解序列映射到另一個(gè)潛在的解序列。差異函數(shù)：新問題情況下檢索解的初始狀態(tài)、中止?fàn)顟B(tài)、路徑的約束和應(yīng)用度之間的差異測度的綜合。差異表：用來檢索T-空間的操作。沒有路徑約束，可用更為復(fù)雜的差異函數(shù)補(bǔ)償?？捎脝l(fā)式函數(shù)作為規(guī)那么排序。2024/12/13高級(jí)人工智能史忠植16

問題求解狀態(tài)變換初始狀態(tài)中間狀態(tài)1OP1中間狀態(tài)2OP2中間狀態(tài)n-1OPn-1初始狀態(tài)問題求解的狀態(tài)轉(zhuǎn)換過程作為搜索的類比問題求解2024/12/13高級(jí)人工智能史忠植17初始狀態(tài)結(jié)束狀態(tài)路徑Con1路徑Con2PC1PC2PC1PC3PC1PC2T-OP1T-OP2對(duì)新問題的解原空間T-空間常用T-操作符2024/12/13高級(jí)人工智能史忠植18通用插入通用刪除子序列拼接子目標(biāo)保持替換終結(jié)段連結(jié)初始段連結(jié)序列合并操作符記錄用參數(shù)替換解序列截?cái)嘈蛄械怪貌町惐?024/12/13高級(jí)人工智能史忠植19入口形式：“為簡少<差異>，應(yīng)采用<T-操作符集>中的一個(gè)操作〞T-空間的差異測度Dr〔差異函數(shù)〕2024/12/13高級(jí)人工智能史忠植20Dr的值是四維向量：新舊問題初態(tài)的差異新舊問題終態(tài)的差異新舊問題路徑限制的差異新舊問題方法可應(yīng)用度的差異。2024/12/13史忠植高級(jí)人工智能21

派生重演上述方法所做的修正是在舊解的解答上完成的。重演方法那么是使用過去的推導(dǎo)出舊解的方法來推導(dǎo)出新解。這種方法關(guān)心的是解是如何求出來的。同前面的基于案例替換相比，派生重演使用的那么是一種基于案例的修正手段。2024/12/13高級(jí)人工智能史忠植22派生類比什么是案例？“案例是對(duì)某個(gè)過去發(fā)生的事件的真實(shí)描述，……目的是引發(fā)對(duì)一個(gè)特殊情境的討論和分析.〞

案例是事件。案例是含有問題或疑難情境在內(nèi)的事件。案例是典型的事件。案例是真實(shí)發(fā)生的事件。2024/12/13史忠植高級(jí)人工智能24

概述案例〔case〕：“案例是一段帶有上下文信息的知識(shí)，該知識(shí)表達(dá)了推理機(jī)在到達(dá)其目標(biāo)的過程中能起關(guān)鍵作用的經(jīng)驗(yàn)〞。具體來說，一個(gè)案例應(yīng)具有如下特性：·案例表示了與某個(gè)上下文有關(guān)的具體知識(shí)，這種知識(shí)具有可操作性?！ぐ咐梢允歉魇礁鳂拥模捎胁煌男螤詈土６?，可涵蓋或大或小的時(shí)間片，可帶有問題的解答或動(dòng)作執(zhí)行后的效應(yīng)?！ぐ咐涗浟擞杏玫慕?jīng)驗(yàn)，這種經(jīng)驗(yàn)?zāi)軒椭评頇C(jī)在未來更容易地到達(dá)目標(biāo)，或提醒推理機(jī)失敗發(fā)生的可能性有多大等等。2024/12/13史忠植高級(jí)人工智能25概述人們?yōu)榱私鉀Q一個(gè)新問題，先是進(jìn)行回憶，從記憶中找到一個(gè)與新問題相似的案例，然后把該案例中的有關(guān)信息和知識(shí)復(fù)用到新問題的求解之中。在基于案例推理

(Case-BasedReasoning,簡稱CBR)中，把當(dāng)前所面臨的問題或情況稱為目標(biāo)案例(targetcase)，而把記憶的問題或情況稱為源案例(basecase)。粗略地說，基于案例推理就是由目標(biāo)案例的提示而獲得記憶中的源案例，并由源案例來指導(dǎo)目標(biāo)案例求解的一種策略。2024/12/13史忠植高級(jí)人工智能26概述基于案例推理中知識(shí)表示是以案例為根底，案例的獲取比規(guī)那么獲取要容易,大大簡化知識(shí)獲取。對(duì)過去的求解結(jié)果進(jìn)行復(fù)用，而不是再次從頭推導(dǎo)，可以提高對(duì)新問題的求解效率。過去求解成功或失敗的經(jīng)歷可以指導(dǎo)當(dāng)前求解時(shí)該怎樣走向成功或避開失敗，這樣可以改善求解的質(zhì)量。對(duì)于那些目前沒有或根本不存在可以通過計(jì)算推導(dǎo)來解決的問題。如在法律中的判例，基于案例推理能很好發(fā)揮作用。2024/12/13史忠植高級(jí)人工智能27實(shí)際案例2024/12/13史忠植高級(jí)人工智能28實(shí)際案例2024/12/13史忠植高級(jí)人工智能29案例問題求解2024/12/13史忠植高級(jí)人工智能30案例問題求解2024/12/13史忠植高級(jí)人工智能31案例問題求解2024/12/13史忠植高級(jí)人工智能32案例問題求解2024/12/13史忠植高級(jí)人工智能33案例問題求解的特點(diǎn)2024/12/13史忠植高級(jí)人工智能34

基于案例學(xué)習(xí)的一般過程2024/12/13史忠植高級(jí)人工智能35

基于案例學(xué)習(xí)的一般過程2024/12/13史忠植高級(jí)人工智能36案例存儲(chǔ)2024/12/13史忠植高級(jí)人工智能37

基于案例學(xué)習(xí)的一般過程2024/12/13史忠植高級(jí)人工智能38主要問題(1)案例表示:基于案例推理方法的效率和案例表示緊密相關(guān)。案例表示涉及這樣幾個(gè)問題:選擇什么信息存放在一個(gè)案例中；如何選擇適宜的案例內(nèi)容描述結(jié)構(gòu)；案例庫如何組織和索引。對(duì)于那些數(shù)量到達(dá)成千上萬、而且十分復(fù)雜的案例,組織和索引問題尤其重要。(2)分析模型:分析模型用于分析目標(biāo)案例，從中識(shí)別和抽取檢索源案例庫的信息。(3)案例檢索:利用檢索信息從源案例庫中檢索并選擇潛在可用的源案例?；诎咐评矸椒ê腿祟惤鉀Q問題的方式很相近。碰到一個(gè)新問題時(shí)，首先是從記憶或案例庫中回憶出與當(dāng)前問題相關(guān)的最正確案例。后面所有工作能否發(fā)揮出應(yīng)有的作用，很大程度上依賴于這一階段得到的案例質(zhì)量的上下，因此這步非常關(guān)鍵。一般講，案例匹配不是精確的，只能是局部匹配或近似匹配。因此，它要求有一個(gè)相似度的評(píng)價(jià)標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)定義得好，會(huì)使得檢索出的案例十分有用，否那么將會(huì)嚴(yán)重影響后面的過程。2024/12/13史忠植高級(jí)人工智能39主要問題(4)類比映射:尋找目標(biāo)案例同源案例之間的對(duì)應(yīng)關(guān)系。(5)類比轉(zhuǎn)換:轉(zhuǎn)換源案例中同目標(biāo)案例相關(guān)的信息，以便應(yīng)用于目標(biāo)案例的求解過程中。其中，涉及到對(duì)源案例的求解方案的修改。把檢索到的源案例的解答復(fù)用于新問題或新案例之中。它們分別是，源案例與目標(biāo)案例間有何不同之處；源案例中的哪些局部可以用于目標(biāo)案例。對(duì)于簡單的分類問題，僅需要把源案例的分類結(jié)果直接用于目標(biāo)案例。它無需考慮它們之間的差異，因?yàn)閷?shí)際上案例檢索已經(jīng)完成了這項(xiàng)工作。而對(duì)于問題求解之類的問題，那么需要根據(jù)它們之間的不同對(duì)復(fù)用的解進(jìn)行調(diào)整。(6)解釋過程:對(duì)把轉(zhuǎn)換過的源案例的求解方案應(yīng)用到目標(biāo)案例時(shí)所出現(xiàn)的失敗做出解釋，給出失敗的因果分析報(bào)告。有時(shí)對(duì)成功也同樣做出解釋。基于解釋的索引也是一種重要的方法。(7)案例修補(bǔ):有些類似于類比轉(zhuǎn)換，區(qū)別在于修補(bǔ)過程的輸入是解方案和一個(gè)失敗報(bào)告，而且也許還包含一個(gè)解釋，然后修改這個(gè)解以排除失敗的因素。2024/12/13史忠植高級(jí)人工智能40主要問題(8)類比驗(yàn)證:驗(yàn)證目標(biāo)案例和源案例進(jìn)行類比的有效性。(9)案例保存:新問題得到了解決，那么形成了一個(gè)可能用于將來情形與之相似的問題。這時(shí)有必要把它參加到案例庫中。這是學(xué)習(xí)也是這是知識(shí)獲取。此過程涉及選取哪些信息保存，以及如何把新案例有機(jī)集成到案例庫中。修改和精化源案例庫,其中包括泛化和抽象等過程。在決定選取案例的哪些信息進(jìn)行保存時(shí)，一般要考慮以下幾點(diǎn)：和問題有關(guān)的特征描述；問題的求解結(jié)果；以及解答為什么成功或失敗的原因及解釋。把新案例參加到案例庫中，需要對(duì)它建立有效的索引，這樣以后才能對(duì)之作出有效的回憶。索引應(yīng)使得與該案例有關(guān)時(shí)能回憶得出，與它無關(guān)時(shí)不應(yīng)回憶出。為此，可能要對(duì)案例庫的索引內(nèi)容甚至結(jié)構(gòu)進(jìn)行調(diào)整，如改變索引的強(qiáng)度或特征權(quán)值。2024/12/13史忠植高級(jí)人工智能41基于案例推理流程2024/12/13史忠植高級(jí)人工智能42案例的表示

在生理學(xué)、心理學(xué)等領(lǐng)域，已經(jīng)廣泛開展了關(guān)于記憶的研究。心理學(xué)的研究者們注重研究記憶的一般理論，已經(jīng)提出了許多記憶模型，典型的包括情景記憶(episodicmemory)，語義記憶(semanticmemory)，聯(lián)想記憶(associativememory)、Schank的動(dòng)態(tài)記憶理論(dynamicmemory)等。知識(shí)是有結(jié)構(gòu)的體系。在某些任務(wù)的執(zhí)行過程中，專家采用語義記憶來存儲(chǔ)信息。這種信息記憶方法具有以下優(yōu)點(diǎn):·有利于檢索?！ひ子诮M織?？梢园阉鼈冞B接成樹形層次或者網(wǎng)絡(luò)?！ひ子诠芾怼ＶR(shí)的改變只對(duì)局部產(chǎn)生影響?！び欣谥R(shí)的共享。2024/12/13史忠植高級(jí)人工智能43案例的表示

語義記憶單元，是指在學(xué)習(xí)、分析、理解、記憶知識(shí)的過程中所著重關(guān)注的其中那些概念、模式、主題等，以及據(jù)此形成的關(guān)于知識(shí)的概念性認(rèn)識(shí)。換言之，這些語義記憶單元是系統(tǒng)對(duì)知識(shí)經(jīng)“計(jì)算〞之后，抽取其中最能反映知識(shí)本身特征且可以很好地使知識(shí)內(nèi)在地聯(lián)系在一起的那些因素而獲得的。2024/12/13史忠植高級(jí)人工智能44案例的表示

我們所記憶的知識(shí)彼此之間并不是孤立的，而是通過某種內(nèi)在的因素相互之間緊密地或松散地有機(jī)聯(lián)系成的一個(gè)統(tǒng)一的體系。我們使用記憶網(wǎng)來概括知識(shí)的這一特點(diǎn)。一個(gè)記憶網(wǎng)便是以語義記憶單元為結(jié)點(diǎn)，以語義記憶單元間的各種關(guān)系為連接建立起來的網(wǎng)絡(luò)。2024/12/13史忠植高級(jí)人工智能45案例的表示

SMU={SMU_NAMEslot Constraintslots Taxonomyslots Causalityslots Similarityslots Partonomyslots Caseslots Theoryslots }2024/12/13史忠植高級(jí)人工智能46案例的表示

(1)SMU_NAMEslot:簡記為SMU槽。它是語義記憶單元的概念性描述，通常是一個(gè)詞匯或者一個(gè)短語。

(2)Constraintslots:簡記為CON槽。它是對(duì)語義記憶單元施加的某些約束。通常，這些約束并不是結(jié)構(gòu)性的，而只是對(duì)SMU描述本身所加的約束。另外，每一約束都有CAS側(cè)面(facet)和THY側(cè)面與之相連。

(3)Taxonomyslots:簡記為TAX槽。它定義了與該SMU相關(guān)的分類體系中的該SMU的一些父類和子類。因此，它描述了網(wǎng)絡(luò)中結(jié)點(diǎn)間的類別關(guān)系。

(4)Causalityslots:簡記為CAU槽。它定義了與該SMU有因果聯(lián)系的其它SMU，它或者是另一些SMU的原因，或者是另外一些SMU的結(jié)果。因此，它描述了網(wǎng)絡(luò)中結(jié)點(diǎn)間的因果聯(lián)系。2024/12/13史忠植高級(jí)人工智能47案例的表示

(5)Similarityslots:簡記為SIM槽。它定義了與該SMU相似的其它SMU，描述網(wǎng)絡(luò)中結(jié)點(diǎn)間的相似關(guān)系。(6)Partonomyslots:簡記為PAR槽。它定義了與該SMU具有局部整體關(guān)系的其它SMU。(7)Caseslots:簡記為CAS槽。它定義了與該SMU相關(guān)的案例集。(8)Theoryslots:簡記為THY槽。它定義了關(guān)于該SMU的理論知識(shí)。上述8類槽可以總地分成三大類。一類反映各SMU之間的關(guān)系，包括TAX槽、CAU槽、SIM槽和PAR槽;第二類反映SMU自身的內(nèi)容和特性，包括SMU槽和THY槽;第三類反映與SMU相關(guān)的案例信息，包括CAS槽和CON槽。2024/12/13史忠植高級(jí)人工智能48案例組織

案例組織時(shí)由兩局部組成，一是案例的內(nèi)容，案例應(yīng)該包含哪些有關(guān)的東西才能對(duì)問題的解決有用；二是案例的索引，它和案例的組織結(jié)構(gòu)以及檢索有關(guān)，反響了不同案例間的區(qū)別。2024/12/13史忠植高級(jí)人工智能49案例內(nèi)容

〔1〕問題或情景描述是對(duì)要求解的問題或要理解的情景的描述，一般要包括這些內(nèi)容：當(dāng)案例發(fā)生時(shí)推理器的目標(biāo)，完成該目標(biāo)所要涉及的任務(wù)，周圍世界或環(huán)境與可能解決方案相關(guān)的所有特征?！?〕解決方案的內(nèi)容是問題如何在一特定情形下得到解決。它可能是對(duì)問題的簡單解答，也可能是得出解答的推導(dǎo)過程?！?〕結(jié)果記錄了實(shí)施解決方案后的結(jié)果情況，是失敗還是成功。有了結(jié)果內(nèi)容，CBR在給出建議解時(shí)有能給出曾經(jīng)成功地工作的案例，同時(shí)也能利用失敗的案例來防止可能會(huì)發(fā)生的問題。當(dāng)對(duì)問題還缺乏足夠的了解時(shí)，通過在案例的表示上加上結(jié)果局部能取得較好的效果。2024/12/13史忠植高級(jí)人工智能50案例索引

建立案例索引有三個(gè)原那么：①索引與具體領(lǐng)域有關(guān)。數(shù)據(jù)庫中的索引是通用的，目的僅僅是追求索引能對(duì)數(shù)據(jù)集合進(jìn)行平衡的劃分從而使得檢索速度最快；而案例索引那么要考慮是否有利于將來的案例檢索，它決定了針對(duì)某個(gè)具體的問題哪些案例被復(fù)用；②索引應(yīng)該有一定的抽象或泛化程度，這樣才能靈活處理以后可能遇到的各種情景，太具體那么不能滿足更多的情況；③索引應(yīng)該有一定的具體性，這樣才能在以后被容易地識(shí)別出來，太抽象那么各個(gè)案例之間的差異將被消除。2024/12/13史忠植高級(jí)人工智能51案例的檢索

案例檢索——從案例庫(CaseBase)中找到一個(gè)或多個(gè)與當(dāng)前問題最相似的案例；CBR系統(tǒng)中的知識(shí)庫不是以前專家系統(tǒng)中的規(guī)那么庫，它是由領(lǐng)域?qū)＜乙郧敖鉀Q過的一些問題組成。案例庫中的每一個(gè)案例包括以前問題的一般描述即情景和解法。一個(gè)新案例并入案例庫時(shí)，同時(shí)也建立了關(guān)于這個(gè)案例的主要特征的索引。當(dāng)接受了一個(gè)求解新問題的要求后，CBR利用相似度知識(shí)和特征索引從案例庫中找出與當(dāng)前問題相關(guān)的最正確案例，由于它所回憶的內(nèi)容，即所得到的案例質(zhì)量和數(shù)量直接影響著問題的解決效果，所以此項(xiàng)工作比較重要。它通過三個(gè)子過程，即特征辯識(shí)、初步匹配，最正確選定來實(shí)現(xiàn)。2024/12/13史忠植高級(jí)人工智能52特征辨識(shí)

指對(duì)問題進(jìn)行分析，提取有關(guān)特征，特征提取方式有：(a)從問題的描述中直接獲得問題的特征，如自然語言對(duì)問題進(jìn)行描述并輸入系統(tǒng)，系統(tǒng)可以對(duì)句子進(jìn)行關(guān)鍵詞提取，這些關(guān)鍵詞就是問題的某些特征。(b)對(duì)問題經(jīng)過分析理解后導(dǎo)出的特征,如圖象分析理解中涉及的特征提取。(c)根據(jù)上下文或知識(shí)模型的需要從用戶那里通過交互方式獲取的特征，系統(tǒng)向用戶提問，以縮小檢索范圍，使檢索的案例更加準(zhǔn)確。2024/12/13史忠植高級(jí)人工智能53初步匹配指從案例庫中找到一組與當(dāng)前問題相關(guān)的候選案例。這是通過使用上述特征作為案例庫的索引來完成檢索的。由于一般不存在完全的精確匹配，所以要對(duì)案例之間的特征關(guān)系進(jìn)行相似度估計(jì)，它可以是基于上述特征的與領(lǐng)域知識(shí)關(guān)系不大的外表估計(jì)，也可以通過對(duì)問題進(jìn)行深入理解和分析后的深層估計(jì)，在具體做法上，那么可以通過對(duì)特征賦于不同的權(quán)值表達(dá)不同的重要性。相似度評(píng)價(jià)方法有最近鄰法、歸納法等。2024/12/13史忠植高級(jí)人工智能54最正確選定指從初步匹配過程中獲得的一組候選案例中選取一個(gè)或幾個(gè)與當(dāng)前問題最相關(guān)的案例。這一步和領(lǐng)域知識(shí)關(guān)系密切?？梢杂深I(lǐng)域知識(shí)模型或領(lǐng)域知識(shí)工程師對(duì)案例進(jìn)行解釋，然后對(duì)這些解釋進(jìn)行有效測試和評(píng)估，最后依據(jù)某種度量標(biāo)準(zhǔn)對(duì)候選案例進(jìn)行排序，得分最高的就成為最正確案例,比方最相關(guān)的或解釋最合理的案例可選定為最正確案例。2024/12/13史忠植高級(jí)人工智能55相似性關(guān)系案例的表示說明，案例的情境是由許多屬性組成，案例間的相似度就是根據(jù)屬性〔或變量〕之間的相似度定義的。目標(biāo)案例與源案例之間的相似性有語義相似、結(jié)構(gòu)相似、目標(biāo)相似和個(gè)體相似。2024/12/13史忠植高級(jí)人工智能56語義相似性兩案例之間是可以類比的，首先必須滿足語義上具有相似性關(guān)系。相似性關(guān)系是類比問題求解的根底。兩實(shí)體的類比可以區(qū)分為正類比、反類比、不確定類比。正類比是由相似性關(guān)系所確定的兩實(shí)體之間的可類比局部，反類比那么是已被確定為兩實(shí)體間不相似的局部，不確定類比是兩實(shí)體之間尚未確定是否可類比的局部。兩個(gè)實(shí)體可類比的條件之一是:模型的本質(zhì)性質(zhì)和因果關(guān)系不構(gòu)成反類比的一局部。不確定類比使得類比具有一定的預(yù)見性，這種預(yù)見可能是正確的，也可能是錯(cuò)誤的。在類比求解中，目標(biāo)案例的本質(zhì)特征和源案例的本質(zhì)特征必須具有相似性關(guān)系，才能使類比有了根底。2024/12/13史忠植高級(jí)人工智能57個(gè)體相似性在我們的模型中強(qiáng)調(diào)的另一重要約束是個(gè)體的類別信息。從不嚴(yán)格的意義上講，如果兩個(gè)個(gè)體之間具有一些(或一個(gè))相似的屬性，那么它們是屬于同一類別的。在概念聚類中，我們使用概念(或客體)間的相關(guān)性或緊致性來對(duì)概念(客體)集進(jìn)行分類。相關(guān)性是指概念的屬性之間相似度的平均值。但在這里，我們將把電線和繩索看作是同一類別的，因?yàn)樗鼈兙梢杂脕斫壙`物體。 2024/12/13史忠植高級(jí)人工智能58相似性計(jì)算絕對(duì)值距離(Manhattan):

其中Vik和Vjk分別表示案例i和案例j的第k個(gè)屬性值

。

2024/12/13史忠植高級(jí)人工智能59相似性計(jì)算2.歐氏距離(Euclidean〕2024/12/13史忠植高級(jí)人工智能60相似性計(jì)算3.麥考斯基距離2024/12/13史忠植高級(jí)人工智能61案例的復(fù)用把檢索到的舊案例的解答復(fù)用到新問題或新案例之中。通過所給問題和案例庫中案例比較得到新舊案例之間的不同之處，然后答復(fù)哪些解答局部可以復(fù)用到新問題之中。對(duì)于簡單的分類問題，僅需要把舊案例的分類結(jié)果直接用于新案例，它無需考慮新舊案例之間的差異。而對(duì)于問題求解類的問題，那么需要對(duì)領(lǐng)域知識(shí)的深入理解，根據(jù)案例之間的不同對(duì)問題進(jìn)行調(diào)整，可以是對(duì)整個(gè)解的某項(xiàng)作一些調(diào)整，也可以對(duì)整個(gè)解的進(jìn)行微調(diào)。2024/12/13史忠植高級(jí)人工智能62替換法(1)重新例化〔reinstantiation〕：這是一種很簡單的替換操作，僅僅是用新的個(gè)體替換舊解中的個(gè)體。例如，川菜設(shè)計(jì)系統(tǒng)CHEF，在根據(jù)牛排炒甘藍(lán)菜來設(shè)計(jì)一道雞肉炒雪豆菜，它就是把該菜譜中的所有牛排替換成雞肉，把甘藍(lán)替換成雪豆。(2)參數(shù)調(diào)整〔parameteradjustment〕:這是一種處理數(shù)值參數(shù)的啟發(fā)式方法。它和具體的輸出與輸入?yún)?shù)間的關(guān)系模型〔輸入發(fā)生什么變化，會(huì)導(dǎo)致輸出產(chǎn)生怎樣的相應(yīng)變化〕有關(guān)。(3)局部搜索〔localsearch〕：使用輔助的知識(shí)結(jié)構(gòu)來獲得替換值。例如，設(shè)計(jì)點(diǎn)心時(shí)缺少桔子，那么可使用此法在一個(gè)水果語義網(wǎng)知識(shí)結(jié)構(gòu)中搜索一個(gè)與桔子相近的水果如蘋果來代替。2024/12/13史忠植高級(jí)人工智能63替換法(4)查詢〔query〕：用帶條件的查詢在案例庫或輔助知識(shí)結(jié)構(gòu)中獲取要替換的內(nèi)容。(5)特定搜索〔specializedsearch〕：同時(shí)在案例庫和輔助知識(shí)結(jié)構(gòu)中進(jìn)行查詢，但在案例庫中查詢時(shí)使用輔助知識(shí)來啟發(fā)式指導(dǎo)如何搜索。(6)基于案例的替換〔case-basedsubstitution〕：使用其它的案例來建議一個(gè)替換。2024/12/13史忠植高級(jí)人工智能64轉(zhuǎn)換法轉(zhuǎn)換法包括：常識(shí)轉(zhuǎn)換法〔common-sensetransformation〕：使用明白易懂的常識(shí)性啟發(fā)式從舊解中替換、刪除或增加某些組成局部。典型的常理轉(zhuǎn)換法是，“刪去次要組成局部〞。模型制導(dǎo)修補(bǔ)法〔model-guidedrepair〕：通過因果模型來指導(dǎo)如何轉(zhuǎn)換。故障診斷中就經(jīng)常使用這種方法。

2024/12/13史忠植高級(jí)人工智能65特定目標(biāo)驅(qū)動(dòng)法這種方法主要用于完成領(lǐng)域相關(guān)以及要做結(jié)構(gòu)修改的修正。該法使用的各種啟發(fā)式需要根據(jù)它們可用的情景進(jìn)行索引。特定目標(biāo)驅(qū)動(dòng)的修正啟發(fā)式知識(shí)一般通過評(píng)價(jià)近似解作用，并通過使用基于規(guī)那么的產(chǎn)生式系統(tǒng)來控制。

2024/12/13史忠植高級(jí)人工智能66CBR工具

CBRDesignExplorer-Diagnostic&DesignShell

(ArtificialIntelligenceApplicationsInstituteatUniversityofEdinburgh)CBRFrameworkforBioprocessing

(BioprocessesGroupatVTTBiotechnologyandFoodResearch)CBRTools-objectorientedsoftwarelibraryinJAVA

(AIDresearchgroupatINRIASophiaAntipolis)CBR-Worksproductfamily-CBRshell(researchlicensesavailable)

(tec:innoGmbH)

2024/12/13史忠植高級(jí)人工智能67AIAICBRDiagnostic&DesignShellPage

Fuzzylogicmatchingalgorithms(latticed,SmoothFuzzy)

Adaptiveconfidencemeasures

Multiplediagnosticalgorithms(negativeselection,densityselection,omissionmatching,identifyoutliers,bestmatch,one-caseone-vote,probabilisticcurve,default)

Adaptivethresholding(adaptive'k'neighbourhood)

High/low/linearityinvestigationalgorithm

Metaweightingstructureforfieldsbyoperatortype

Adaptivefieldweightingsystem(stochastichill-climbing)

2024/12/13史忠植高級(jí)人工智能68AIAICBRDiagnostic&DesignShellPage

"Createakey"fromASCIIwithautomaticparsingandoperatorselection

Key/casebase/testbasecreation/savingsupport

Unlimiteddata/fielddepth-testedto6000fields

Serialandparalleltestingmethodswithbatchprocessingandsummarymode

Helpsystem

Nightlearningcycle

Aninteractivetutorialwithmachinelearningexamplesets

2024/12/13史忠植高級(jí)人工智能69AIAICBRDiagnostic&DesignShellPage

Thenewreleasewillfeature:

Next-generationanalysisalgorithms

Corporatememorycomponents

Geneticalgorithmfieldweightlearning

ODBCdatabasesupport

Multiplegoals

'Overlap'matchingofvaryinglengthrecords

Adaptivetextparsingalgorithms

Meta-inductionforrulesandindexing

Automaticcasebuilderandtreegeneration

Dynamiccasebasereductionandcompression

Parsinganddatatransformationsystem2024/12/13史忠植高級(jí)人工智能70CBR*Tools

CBR*Toolsisanobject-orientedsoftwarelibraryforCase-BasedReasoning(CBR).ItprovidesabasicreusableCBRframeworkthatsupportsthedevelopmentofCBRapplications.Itcanbeespeciallyusedforproblemsaddressingbehavorialsituationretrievalandindexation.2024/12/13史忠植高級(jí)人工智能71CBR*Tools

CBR*Toolsconsistsofthreepackages,namely,thecore,time,andnavigationpackage.ThelibraryisspecifiedwiththeOMTmethodandwritteninJava.Clickontheicon(ontherighthandside),togetafullimageofthesystem'smainuserinterface.

2024/12/13史忠植高級(jí)人工智能72CBR*Tools2024/12/13史忠植高級(jí)人工智能73CBR*Tools2024/12/13史忠植高級(jí)人工智能74TheKnowledgeModelCycle2024/12/13史忠植高級(jí)人工智能75ACTIVATE

EXPLAIN

FOCUS?Goal-Appl.taskaccomplished?Situation-Findingsexplained-Constraintsconfirmed-Solutionfound?Goal-Appl.taskisdefined?Situation-Findingsarelisted-Constraintsarespecified-SolutionaskedforTheCreekExplanationEngine2024/12/13史忠植高級(jí)人工智能76TheExplanationEnginewithintheCBRCycle2024/12/13史忠植高級(jí)人工智能77TheCreek1Approach?Combinescase-basedandmodel-basedreasoning,forproblemsinopen

and

weaktheorydomains.?Inputisproblemsolvingcontext(e.g.goal)andproblemfeatures(e.g.alistoffindings).Outputisthebest

plausibleinterpretationoftheinputwithinthecontext.?Knowledgetypes,usedforreasoningareabodyofsituation-specificknowledge,

i.e.acasememoryoffindingslinkedtosolutions,annotatedwithotherrelevantinformationandknowledge

abodyof

generaldomainknowledge,asdeeprelationshipsorheuristicrules1Case-basedReasoningthroughExtensiveExplicitKnowledge2024/12/13史忠植高級(jí)人工智能78中心漁場預(yù)報(bào)專家系統(tǒng)魚類的洄游以及中心漁場的形成受到這幾個(gè)因素的制約：海水溫度〔包括海洋外表溫度，海洋底層溫度〕；臺(tái)站數(shù)據(jù)，如海水鹽度，鹽度梯度，長江徑流量，風(fēng)向，風(fēng)速等；海洋葉綠素濃度。但是，魚類的洄游規(guī)律受很多因素制約，變化非常復(fù)雜，難以用傳統(tǒng)的數(shù)學(xué)方法和模型描述。同時(shí)專家關(guān)于中心漁場規(guī)律的知識(shí)是不精確的，不完全的。值得慶幸的是，我們已經(jīng)收集了20來年東海的漁況海況數(shù)據(jù)，這是非常珍貴的資料,因此可以從中挖掘出許多有用的信息和知識(shí)，根據(jù)歷年的情況來分析、預(yù)測中心漁場的趨勢。整個(gè)系統(tǒng)采用了基于案例推理〔CBR〕的方案。因?yàn)镃BR非常適合應(yīng)用于系統(tǒng)已存在大量歷史數(shù)據(jù),專家通過實(shí)例來描述他們的領(lǐng)域,問題未被完全理解，可用的領(lǐng)域知識(shí)很少,系統(tǒng)中有很多例外的規(guī)那么的情形。2024/12/13史忠植高級(jí)人工智能79中心漁場預(yù)報(bào)專家系統(tǒng)由于大多數(shù)海況信息是以周為單位收集的，同時(shí)為了便于處理和計(jì)算，我們根據(jù)實(shí)際情況對(duì)需求進(jìn)行了簡化，預(yù)測的周期規(guī)定為一周。這樣，問題變成了如果知道本周中心漁產(chǎn)〔位置，產(chǎn)量和大小〕，預(yù)報(bào)下周〔下下周〕中心漁場〔位置，產(chǎn)量和大小〕。即使如此，問題也是相當(dāng)困難的，因?yàn)闈O場位置、大小是一種空間數(shù)據(jù)。同時(shí)，海況信息涉及600來個(gè)空間和非空間屬性，回歸的方法2024/12/13史忠植高級(jí)人工智能80中心漁場預(yù)報(bào)專家系統(tǒng)在我們的系統(tǒng)中，對(duì)空間條件屬性，采用三個(gè)相似性度量方法〔函數(shù)〕：·基于漁場位置的相似sim1=-∑(Wi*distance(pos(goal)-pos(source)))/∑wi·基于溫度場的相似sim2=-∑(wi*difference(temp(goal)-temp(source)))/∑wi·基于溫度梯度的相似sim3=-∑(wi*difference(delta(goal)-delta(source)))/∑wi其中，wi是權(quán)重。如果該溫度測試點(diǎn)與樣本的中心漁場距離di越近，權(quán)越大。2024/12/13史忠植高級(jí)人工智能81中心漁場預(yù)報(bào)專家系統(tǒng)預(yù)處理（聚類）結(jié)果匯總案例保存

修正可視化接口瀏覽案例歷史數(shù)據(jù)案例庫數(shù)據(jù)過濾多策略相似檢索新案例

最終結(jié)果相似案例輸入數(shù)據(jù)2024/12/13史忠植高級(jí)人工智能82中心漁場預(yù)報(bào)專家系統(tǒng)

基于CBR的故障診斷方案2024/12/13史忠植高級(jí)人工智能84機(jī)器翻譯2024/12/13史忠植高級(jí)人工智能85機(jī)器翻譯針對(duì)基于案例類比翻譯中的譯文構(gòu)造，通過建立例子譯文和目標(biāo)譯文之間的直接轉(zhuǎn)換算子來實(shí)現(xiàn)目標(biāo)相似解構(gòu)造的方法。2024/12/13史忠植高級(jí)人工智能86機(jī)器翻譯"翻譯記憶（TM，TranslationMemory）"是一種通過計(jì)算機(jī)軟件來實(shí)現(xiàn)的專業(yè)翻譯解決方案，它與"機(jī)器翻譯"有著本質(zhì)的區(qū)別。以歐盟為例，每天都有大量的文件需要翻譯成各成員國的文字，翻譯工作量極大，自1997年采用德國塔多思（TRADOS）公司的翻譯記憶軟件以來，歐盟的翻譯工作效率大大提高。如今，歐盟、國際貨幣基金組織等國際組織，微軟、SAP、ORACLE和德國大眾等跨國企業(yè)以及許多世界級(jí)翻譯公司和本地化公司都以翻譯記憶軟件作為信息處理的基本工具。

2024/12/13史忠植高級(jí)人工智能87機(jī)器翻譯為什么翻譯記憶技術(shù)會(huì)吸引如此眾多的用戶呢？我們先來了解一下它的工作原理：用戶利用已有的原文和譯文，建立起一個(gè)或多個(gè)翻譯記憶庫，在翻譯過程中，系統(tǒng)將自動(dòng)搜索翻譯記憶庫中相同或相似的翻譯資源（如句子、段落等），給出參考譯文，使用戶避免無謂的重復(fù)勞動(dòng)，只需專注于新內(nèi)容的翻譯。翻譯記憶庫同時(shí)在后臺(tái)不斷學(xué)習(xí)和自動(dòng)儲(chǔ)存新的譯文，變得越來越“聰明”。與期望完全替代人工翻譯的機(jī)器翻譯技術(shù)不同，“翻譯記憶”實(shí)際起到了輔助翻譯的作用，也就是“計(jì)算機(jī)輔助翻譯”，簡稱CAT（ComputerAidedTranslation）。由于目前還沒有一種機(jī)器翻譯產(chǎn)品的效果能讓人滿意，對(duì)于專業(yè)翻譯來說，翻譯記憶技術(shù)幾乎是唯一的選擇。2024/12/13史忠植高級(jí)人工智能88機(jī)器翻譯

由于翻譯記憶實(shí)現(xiàn)的是原文和譯文的比較和匹配，因此它帶有一個(gè)先天的優(yōu)勢--支持多語種之間的雙向互譯。以德國塔多思公司為例，該公司的產(chǎn)品基于UNICODE（統(tǒng)一字符編碼），支持55種語言，覆蓋了幾乎所有語言版本的Windows95/98/NT。換句話說，一套產(chǎn)品就實(shí)現(xiàn)了各語種間的雙向互譯！中國用戶在塔多思翻譯記憶平臺(tái)上進(jìn)行英漢和漢英之間的雙向互譯易如反掌。2024/12/13史忠植高級(jí)人工智能89機(jī)器翻譯

翻譯記憶TM軟件產(chǎn)品:

支持翻譯記憶交換（TMX）標(biāo)準(zhǔn)。

支持多語種之間的雙向互譯，如英譯漢、漢譯英、法譯漢和漢譯法等。

開放的翻譯記憶庫管理機(jī)制。即允許用戶根據(jù)需要對(duì)記憶庫進(jìn)行分類、檢索、合并、拆分及加密。因?yàn)樵谟脩舴e累了大量的資料之后，對(duì)記憶庫文件和內(nèi)容的管理就變得至關(guān)重要。TM產(chǎn)品是否提供強(qiáng)大的記憶庫管理功能是產(chǎn)品是否合格的重要標(biāo)志。

支持多種常用文檔格式（DOC、RTF、HTML、SGML、PPT、FM、MIF等），不需要用戶對(duì)翻譯結(jié)果進(jìn)行重新排版。Trados在2005年6月被SDL收購。2024/12/13史忠植高級(jí)人工智能90課堂教學(xué)視頻案例用課堂錄像（視頻）的形式去捕捉和描述發(fā)生在課堂上的圍繞教學(xué)問題的典型事件。視頻案例分為線性視頻案例和超媒體視頻案例視頻案例的根本結(jié)構(gòu)案例教學(xué)資源庫相關(guān)網(wǎng)站相關(guān)理論相關(guān)課件相關(guān)研究視頻播放案例討論作業(yè)單

數(shù)學(xué)問題

教學(xué)法問題

認(rèn)知水平問題

情感與態(tài)度問題

背景問題案例問題

專家訪談

同行點(diǎn)評(píng)

學(xué)生反饋

課堂觀察數(shù)據(jù)

教學(xué)注釋案例評(píng)價(jià)

背景介紹

課堂片斷1

課堂片斷2

課堂片斷3

課堂片斷4

課后反思案例片段遷移學(xué)習(xí)

TransferLearning是指一種學(xué)習(xí)中習(xí)得的經(jīng)驗(yàn)對(duì)另一種學(xué)習(xí)的影響。

TransferLearningMulti-taskLearningTransductive〔直推〕TransferLearningUnsupervisedTransferLearningInductiveTransferLearningDomainAdaptationSampleSelectionBias/CovarianceShiftSelf-taughtLearningLabeleddataareavailableinatargetdomainLabeleddataareavailableonlyinasourcedomainNolabeleddatainbothsourceandtargetdomainNolabeleddatainasourcedomainLabeleddataareavailableinasourcedomainCase1Case2SourceandtargettasksarelearntsimultaneouslyAssumption:differentdomainsbutsingletaskAssumption:singledomainandsingletask目標(biāo)數(shù)據(jù)源數(shù)據(jù)分類分類 正遷移與負(fù)遷移正遷移〔positivetransfer〕：指一種學(xué)習(xí)中學(xué)得的經(jīng)驗(yàn)對(duì)另一種學(xué)習(xí)起促進(jìn)作用。負(fù)遷移〔negativetransfer〕：也稱干擾。指一種學(xué)習(xí)中學(xué)得的經(jīng)驗(yàn)對(duì)另一種學(xué)習(xí)起阻礙作用。

騎自行車騎摩托車打羽毛球（壓腕）打網(wǎng)球（不壓腕）TrainingTraining跨領(lǐng)域輿情分類

Cross-DomainSentimentClassificationClassifierTestDVDClassifierTestElectronics82.55%71.85%DVDDVD分布不同96Device,Space,orTimeNighttimeDaytimeDevice1Device2WirelesssensornetworksDifferenttimeperiods,devicesorspace特征不同Heterogeneous:differentfeaturespaces97Theappleisthepomaceousfruitoftheappletree,speciesMalusdomesticaintherosefamilyRosaceae...BananaisthecommonnameforatypeoffruitandalsotheherbaceousplantsofthegenusMusawhichproducethiscommonlyeatenfruit...Training:TextFuture:ImagesApplesBananas遷移學(xué)習(xí):源領(lǐng)域LearningInputOutputSourceDomains98SourceDomainTargetDomainTrainingDataLabeled/UnlabeledLabeled/UnlabeledTestDataUnlabeledNetworkDataSocialNetworksFacebook,Twitter,Livemessenger,etc.InformationNetworksTheWeb(1.0withhyperlinksand2.0withtags)Citationnetwork,Wikipedia,etc.BiologicalNetworksGenenetwork,etc.OtherNetworks99RealWorldStudyWhotalkstowhomonMSNmessengerNetwork:240Mnodes,1.3billionedgesConclusions:Averagepathlengthis6.690%ofnodesisreachable<8steps

Leskovec-HorvitzWWW‘08100NetworkStructures:LinksGlobalnetworkstructuresSmallworldLongtaildistributionsLocalnetworkstructuresRelationallearning(relation==link)Linkprediction(e.g.recommendation)Group(Cluster)structures101GlobalNetworkStructuresSmallworldSixdegreesofseparation[Milgram60s]ClusteringandcommunitiesEvolutionarypatternsLongtaildistributionsPersonalizedrecommendation:AmazonAlsobringsachallengeinrecommendationandre