论文部分内容阅读
基于案例的推理(Case-Based Reasoning,CBR)以完全不同于基于规则的推理(Rule-Based Reasoning,RBR)的方式在人工智能的众多技术中独树一帜。CBR可以理解为使用先前的经验来解决新问题,推理者通过对历史案例的记忆,在遇到相似的新案例时,以修改、重用历史案例的解决方案的方法来求解当前的新案例。因此,CBR技术特别适用于没有很强理论模型和理论知识不完全、难以定义或定义不一致而经验丰富的决策环境。 决策支持系统(DSS)是在传统的人机交互系统、模型库系统和数据库系统“三部件”的基础上发展起来的,而后决策支持系统引入了知识系统,包含了人工智能的成分,形成了智能决策支持系统(IDSS)。 本文结合交通部党风廉政系统项目,在检举案件的惩治决策制定环节引入了决策支持系统,来辅助纪检人员工作,提高办案效能。为提高系统的智能推理能力,又将CBR技术引入其中。 文中先简要分析了CBR技术的原理,其推理动作的循环流程,以及诸如案例的表示、组织和存储,案例的检索、重用等关键技术。然后对纪检监察中的检举案件惩治工作进行了研究,划分了其工作流程,并据此确定了系统的功能模块。 接下来,文章对上述关键技术进行了详细了分析: 在案例库建设方面,在对案例进行形式化描述的基础上,采用了树形分层结构来对案例进行存储;在案例相似度计算方面,将相似度分为局部和整体两部分,先求出前者,然后在它的基础上进行加权综合,求出案例的整体相似性。 最后,简要介绍了系统的实现,并验证了其分析、推理的效果。