论文部分内容阅读
CBR(基于事例推理)是人工智能领域的一个分支,它克服了知识获取的瓶颈问题,事例修正是CBR的关键步骤。以ALC为代表的描述逻辑已被充分应用到CBR中,但目前在基于描述逻辑的CBR中还没有比较有效的算法来判断检索到的相似事例是否需要修正和如何进行修正。ALCQ(D)是在ALC的基础上引入定性数量约束Q和有型域D得到的。提出的算法用ALCQ(D)概念来描述CBR源事例和目标事例,先假定检索到的相似事例能够解决目标问题,即假定目标事例和相似事例同时满足知识库,但这样可能会与知识库产生冲突;接着使用冲突检测机制