Case-Based Reasoning: A Textbook

در حالی که ثبت میلیاردها تجربه در یک پایگاه داده نسبتاً آسان است، خرد یک سیستم با تعداد تجربیات آن سنجیده نمی شود، بلکه با توانایی آن در استفاده از آنها سنجیده می شود. استدلال مبتنی بر مورد (CBR) را می توان به عنوان تجربه کاوی، با استدلال قیاسی که برای جفت مسئله-راه حل اعمال می شود، مشاهده کرد. از آنجایی که موارد معمولاً یکسان نیستند، ذخیره سازی ساده و یادآوری تجربیات کافی نیست، ما باید شباهت و انطباق را تعریف و تحلیل کنیم. اصول این رویکرد اکنون به خوبی تثبیت شده است و کاربردهای تجاری موفق بسیاری در زمینه های مختلف وجود دارد که توجه محققان را در رشته های مختلف به خود جلب کرده است.

این کتاب درسی مبتنی بر مورد ارائه می کند. استدلال در یک رویکرد سیستماتیک با دو هدف: ارائه ساختارهای دقیق و رسمی معتبر برای استدلال دقیق، و نشان دادن طیف وسیعی از تکنیک ها، روش ها و ابزارهای موجود برای بسیاری از کاربردها. در فصل‌های قسمت اول، نویسندگان عناصر اساسی CBR را بدون پیش‌فرض از دانش قبلی خواننده ارائه می‌کنند. بخش دوم روش‌های اصلی، به‌ویژه بازنمایی موارد، موضوعات مشابه، بازیابی، انطباق، ارزیابی، تجدیدنظر، یادگیری، توسعه و نگهداری را توضیح می‌دهد. بخش سوم دیدگاه های پیشرفته ای از این موضوعات ارائه می دهد که علاوه بر آن عدم قطعیت و احتمالات را نیز پوشش می دهد. و قسمت چهارم گستره منابع دانش را با فصول مربوط به CBR متنی، تصاویر، داده های حسگر و گفتار، CBR مکالمه و مدیریت دانش نشان می دهد. این کتاب با ضمیمه هایی به پایان می رسد که توضیحات کوتاهی از تعاریف و روش های رسمی اصلی و مقایسه بین CBR و سایر تکنیک ها ارائه می دهد.

نویسندگان از سال‌ها تجربه تدریس و آموزش در محیط‌های آکادمیک و تجاری استفاده می‌کنند و از خلاصه‌های فصل، یادداشت‌های پیش‌زمینه و تمرین‌ها در سراسر کتاب استفاده می‌کنند. این برای دانشجویان پیشرفته در مقاطع کارشناسی و کارشناسی ارشد علوم کامپیوتر، مدیریت و رشته های مرتبط مناسب است و همچنین یک مقدمه و راهنمای عملی برای محققان صنعتی و دست اندرکاران درگیر با سیستم های مهندسی دانش است.

While it is relatively easy to record billions of experiences in a database, the wisdom of a system is not measured by the number of its experiences but rather by its ability to make use of them. Case-based rea­soning (CBR) can be viewed as experience mining, with analogical reasoning applied to problem–solution pairs. As cases are typically not identical, simple storage and recall of experiences is not sufficient, we must define and analyze similarity and adaptation. The fundamentals of the approach are now well-established, and there are many successful commercial applications in diverse fields, attracting interest from researchers across various disciplines.

This textbook presents case-based reasoning in a systematic approach with two goals: to present rigorous and formally valid structures for precise reasoning, and to demonstrate the range of techniques, methods, and tools available for many applications. In the chapters in Part I the authors present the basic elements of CBR without assuming prior reader knowledge; Part II explains the core methods, in particu­lar case representations, similarity topics, retrieval, adaptation, evaluation, revisions, learning, develop­ment, and maintenance; Part III offers advanced views of these topics, additionally covering uncertainty and probabilities; and Part IV shows the range of knowledge sources, with chapters on textual CBR, im­ages, sensor data and speech, conversational CBR, and knowledge management. The book concludes with appendices that offer short descriptions of the basic formal definitions and methods, and comparisons be­tween CBR and other techniques.

The authors draw on years of teaching and training experience in academic and business environments, and they employ chapter summaries, background notes, and exercises throughout the book. It's suitable for advanced undergraduate and graduate students of computer science, management, and related disciplines, and it's also a practical introduction and guide for industrial researchers and practitioners engaged with knowledge engineering systems.