21世纪是知识经济的时代,对知识的管理更是社会经济发展的主要驱动力和提高组织竞争力的重要手段。案例知识作为知识中的一个特殊类别,蕴含着丰富的信息和大量知识。案例知识管理目前主要形式是CBR(Case-Based Reasoning,基于案例的推理),将CBR应用于案例知识管理具有许多优势,但是目前已经出现的CBR理论模型中存在一定问题,而CBR应用系统则缺乏通用性,这些都制约着CBR的发展。传统的AI(Artificial Intelligence,人工智能)思想的出发点在于试图理解案例并建立模型,从而在使用的时候为用户提供解决方案;而近年出现的IA(Intelligence Assistant,智能助理)思想的出发点则在于描述案例的本质及他们的关系,从而在必要的时候为用户求解提供帮助,人工智能只是一个辅助伙伴。将IA的思想与CBR结合将产生一个全新的推理技术,可以将CBR技术应用于任何领域,应用于没有案例的案例推理。本文首先对现有的CBR理论模型进行了分析,并对研究团队将面向IA的人工智能技术应用于CBR过程中提出的一个CBR改进模型——CBR~2(Case Based Retrieve andReasoning)模型进行了分析和完善。接着对基于CBR~2模型的案例知识管理系统的若干关键技术进行了研究,最后对案例知识管理工具系统CBR~2T(CBR~2 model-based Toolsystem)的框架进行了分析并给出了其实现原型。论文的贡献主要体现在以下方面:1)对新一代CBR模型——CBR~2模型进行了改进和完善。2)对句子向量空间模型进行了研究,并实现了基于此模型的案例的检索和分类算法,获得较好的检索效果。3)研究了基于句子向量空间模型的案例库中案例的索引机制,很好地改进了检索算法的效率。4)根据IA思想及CBR~2模型,设计出了案例知识管理系统的体系构架。5)研究了基于JAVA的动态方法库实现技术,可对检索算法进行动态扩展,从而支持软件进化和使用领域专用算法进行数字案例检索。6)采用先进的AOM开发框架,完成了一个案例知识管理系统的整体框架及其中案例库建立、案例资源管理、文本案例分类和检索、案例特征值管理、数字案例检索、领域知识管理等模块的开发。