Case Based Reasoning

1
Case Based Reasoning

• sartori_at_disco.unimib.it

2
Un pò di storia

• Approccio formalizzato da Janet Kolodner
• Piuttosto recente
• Algoritmo per la risoluzione di problemi basato
  sul ragionamento per analogia

3
Filosofia

• Il principio guida dellapproccio CBR è il
  seguente
• Problemi simili hanno soluzioni simili
• Quindi, soluzioni adottate in passato possono
  essere recuperate per risolvere nuove situazioni
  critiche

4
CBR e Ingegneria della Conoscenza

• Il CBR nasce come problem solving method
• Particolarmente utile quando non si riesce a
  costruire un modello di conoscenza completo e
  preciso
• Dominio difficile
• Conoscenza eterogenea
• Poco tempo a disposizione
• Negli ultimi anni si sta imponendo come
  metodologia efficace ed efficiente per la
  realizzazione di Knowledge Management Systems

5
Il Ciclo CBR le 4 R
6
CBR e Problemi

• Il CBR permette di affrontare e risolvere due
  categorie di problemi
• Retrieve Classificazione
• Revise Costruzione

7
Il Caso struttura
8
Rappresentazione di un caso

• Flat
• Gerarchica
• A grafo

9
Retrieve Classificare ?
Problema
Problema
Sono simili ?
Sì
No
Stessa categoria
Stessa categoria
10
Come recuperare casi

• Utilizzo di funzioni di similarità
• SIM CxC ? 0, 1
• Input la descrizione del problema
• Output un numero reale compreso fra zero e uno
  ( di similarità)
• Uno dei due casi in ingresso è non risolto e si
  indica con Cc
• Laltro è risolto e si indica con Cr

11
Algoritmi di Retrieval
Stesso valore?
Stesso valore?
Cc
Cr
12
K-Nearest Neighbour

• Il valore di similarità è una media pesata della
  funzione SIM applicata ai valori di tutti gli
  attributi della descrizione del caso

13
Revise Costruzione ?
Problema
Soluzione Recuperata
La soluzione va bene?
Conoscenza Specifica dominio
Sì
No
Ho costruito la soluzione
Uso la soluzione come punto di partenza
14
Algoritmi di Revise
Mofica valore?
Modifica valore?
Soluzioner
Soluzionec
15
Algoritmi di Revise

• Difficili da implementare
• Spesso si lascia allutente/esperto il compito di
  modifcare la soluzione recuperata
• Gli algoritmi più diffusi si basano sul concetto
  di substitutional adaptation

16
Substitutional Adaptation

• Dato che il caso corrente e quello recuperato
  sono diversi, la basa dei casi potrebbe contenere
  altre coppie di casi con le stesse (o simili)
  differenze
• Questi casi agiscono da rappresentanti del caso
  corrente (Ccr) e di quello recuperato (Rcr)

• La differenza tra le soluzioni dei rappresentanti
  (vettore vi) dà unindicazione di come modificare
  la soluzione del caso recuperato Rc per risolvere
  il caso corrente Cc (vettore v)
• v è unaggregazione delle differenze v1, ...,
  vn,, tra le soluzione associate a Ccr e Rcr

17
PROGETTO P-RACE
Un approccio basato sulla conoscenza per
supportare il processo decisionale del Race
Engineer
L.Int.ArDipartimento di Informatica,
Sistemistica e ComunicazioneUniversità di Milano
- Bicocca
18
OBIETTIVO DEL PROGETTO
Sviluppare un sistema di supporto alle decisioni
riguardanti la progettazione e lutilizzo della
mescola giusta per partecipare ad una gara (e
vincere)
19
FONDO STRADALE
DISEGNO BATTISTRADA
DATI TELEMETRICI
DATI STORICI
ASSETTO VETTURA
CONCORRENTI punti deboli e di forza
CIRCUITI
CONDIZIONI AMBIENTALI
20
CHIMICA DEI MATERIALI
RELAZIONE TRA MODIFICHE, PROPRIETÀ
CHIMICO-FISICHE E PERFORMANCE
RUOLO, INFLUENZE E RELAZIONI TRA INGREDIENTI
ASSOCIAZIONI MESCOLA/PERFORMANCE
21
ACQUISIZIONE KNOWLEDGE ENGINEERING
Race Engineer
CONOSCENZA EPISODICA
Compound Designer
CASO PASSATO
NUOVO CASO
Riutilizzo
Innovazione
Creazione
22
UTILIZZOARCHITETTURA
23
UTILIZZO INTERFACCIA del RACE ENGINEER
24

• fc (f1c,..., fnc) case representation
• ft (f1t,..., fnt) target problem
• Two step process
• Initial Match selects a subset of the Case
  Memory
• IM(CM, ft) set of cases Ci such that
  sev_index(Ci)sev_index(ft)
• Similarity Function computes similarity between
  cases
• sim(ft, fc) ?i1..nwi SIM(fit,
  fic)/?i1..nwi
• with
• wi match_weight if SIM(fit, fic)ltThreshold
• wi no_match_weight if SIM(fit, fic)gtThreshold
• wi no_value_weight if fit or fic is unknown
• SIM(fit, x) gaussian curve with mean value fit
  and given standard deviation ?

Similarity Computation