基于CBR技术的质量案例库的方法研究

摘要：基于案例推理（CBR）是人工智能中的一种重要推理技术，以质量案例库的建立为背景，在分析质量案例库的特点的基础上，提出了一种基于案例推理的质量案例库建立方法。它克服了传统的基于规则推理系统获取、描述准确知识困难的瓶颈，可使以往的经验及专家知识得以继承，同时有利于质量故障的准确、快速处理。

关键词：基于案例推理；质量案例库；CBR系统

中图分类号：TP18 文献标识码：A 文章编号：1009-2374（2013）21-0023-02

基于案例的推理（CBR：Case-Based Reasoning）是一种人工智能推理技术，它能利用旧案例和经验来解决相关问题，并能依据索引进行模糊检索和匹配。CBR建立案例简便快捷，无需事先提出规则，知识和规则可通过自动学习不断扩充。随着CBR技术的不断发展和应用，质量案例库与CBR推理技术的结合成为一个重要的研究方向。

在航空武器装备质量问题处理的实际工作中，往往利用已解决的方案对比实际问题，检索到匹配的方案，再对匹配的方案进行修改，得到符合实际问题的解决方案，这种思维方式与CBR技术相吻合，而建立案例库则是更好地使用CBR技术的关键。

1 CBR技术

1.1 CBR定义

CBR有多种不同解释，其中比较认同的定义是：CBR是一种类似人类解决问题的方法。这种方法首先对问题进行分析得到问题索引，输入问题索引检索出一些相似的案例；然后对这些检索到的旧案例进行对比，修改得到新案例并提供问题的解；最后把新案例存入案例库中，通过自学习机制得到新知识和规则索引。

1.2 CBR过程

CBR根据问题的描述在案例库中进行检索，找到类似的案例，与问题描述进行对比，发现差别对类似案例进行修改，得到问题的解并将新案例存入案例库中。目前，CBR过程可以分为六个主要阶段：案例表示（Repartition）、案例检索（Retrieve）、案例复用（Reuse）、案例修改（Revise）、案例评价（Review）和案例保留（Retain），其工作过程如图1所示：

1.2.1 案例表示。案例的表示方法取决于案例的复杂程度，最简单的方法可将案例表示成一组特征；对于较复杂的案例，可将一个案例表示成一组相关联的子案例的集合，以形成问题的解的结构。

案例的表示包括问题说明和问题求解两部分。案例的表示方式有分类样本方式和特征索引方式。案例合适的表示与合理的组织能够反映事物的关键特征，案例检索就能够迅速从案例库中检索出所要的案例，提高检索效率。

1.2.2 案例检索。案例检索先要建立问题的索引，依据问题的索引检索出一些相似的旧案例，经过匹配选择出一个最佳的案例。案例检索方法主要有相联检索、层次检索和基于知识的检索。相联检索与索引的最近邻法相对应；层次检索适用于案例库中的案例按层次结构组织起来的情况；基于知识的检索利用知识指导检索，通常可利用规则推理的方法实现。

1.2.3 案例复用和修改。案例的复用是对检索到的旧案例不经修改直接使用到新问题中。而案例修改是对检索到的旧案例通过插入一些新内容或删除一些不符合的内容，还可以替换某些内容，使旧案例改造成新案例。

1.2.4 案例评价与保留。案例评价的任务是在现实环境中应用该案例解答的结果，可以通过询问专家或在现实中具体执行任务来实现。案例保留是把新案例中有意义的部分保留到系统的知识库中，除了把有意义的信息保存下来，还要明确信息的保存形式和建立多种索引。随着新案例的加入，就标志着系统进行了一次知识获取，即完成了一次学习过程。这种自学习功能最能体现CBR的优势和生命力。

1.3 CBR的特点

与传统的基于规则的问题解决方法相比，CBR具有一些重要特点：第一，CBR易于得到知识，不需建立一系列复杂规则，只需要分类不同案例，提取相应特征即可；第二，CBR易于完善知识库，只需对当前案例进行修改入库，而RBR要重新更改知识库链接；第三，CBR易于检索，只需模糊索引，通过相似匹配得到相关的解，而RBR要提供大量规则才能有效检索；第四，CBR易于得到经验，对检索出的大量相似旧案例中进行对比分析，能快速提取出相关经验和规则，而RBR要事先获得大量经验和规则；第五，CBR易于自学习，在解决新问题时，系统就能通过建立新案例而实现自学习，而RBR则没有此功能。

2 质量案例库的建立

CBR系统中的“6R”过程都围绕着案例知识库建立而进行，案例知识库是建立CBR系统的核心关键任务。案例知识库并不是一个单一数据表，而是一系列关联数据表组成的数据库。

2.1 案例库的结构

采用商业数据库作为质量案例库存储的介质，质量案例库包括信息库、索引库和案例库。信息库：存放有意义的信息的数据库；索引库：存放经提取的关键特征值为索引，以便利用有关索引定位到具体的案例上；案例库：存储具体的应用案例的数据库。

2.2 案例检索算法

本系统采用相联检索方法，即计算输入情况与案例库中案例的相似度，寻找相似度最大的案例。如果检索出充分相似的案例，就可直接使用案例的解；如果检索出最小相似的案例，就需要修改案例的解。其关键算法是相似度计算，是代替人类判断案例相似性的方法。其方法首先要选定问题和案例的多个对比索引，一一对比问题索引与案例索引之间的相似度，计算出相似值；然后对各个相似值进行加权和，得出案例最终的相似值；最后依据相似度分类规则判断相似值的相似程度，也就判断出某案例的相似程度。质量问题经特征抽取后，即形成新案例的初始特征模糊数据集合，根据特征数据集从现有的案例库中检索相似的案例，并通过计算新旧案例模糊集合的模糊距离或贴近度来确定检索的结果。由于检索出来的范例只是案例库中与待处理质量问题特征最接近的案例，与实际有一定差距，需进行案例的修改。

3 结语

基于案例推理是类似人的认知过程的人工智能推理方法。该方法有别于传统的推理方法，是一种增量式问题解决法，随着大量问题的解决，它的知识不断积累，规则不断创新。本文将CBR技术应用于质量案例库的建设中，使质量问题数据通过质量案例管理系统快速地建立起质量案例库。

参考文献

[1] 张光前，邓贵仕，李朝晖.基于事例推理的技术及其应用前景[J].计算机工程与应用，2002，（20）.

[2] 杨健，赵秦怡.基于案例的推理技术研究进展及应用[J].计算机工程与设计，2008，（2）.

[3] 史忠植.知识发现[M].北京：清华大学出版社，2002：92-93.

作者简介：蔡澍（1975-），男，江苏南京人，中国空空导弹研究院工程师，研究方向：计算机软件及其辅助工程和质量工程。