Lernen von Wissensintensiven Ähnlichkeitsmaßen im Case-Based Reasoning

Armin Stahl
KI - Künstliche Intelligenz, German Journal on Artificial Intelligence - Organ des Fachbereiches "Künstliche Intelligenz" der Gesellschaft für Informatik e.V. volume 18 number 3, Pages 69-71, BöttcherIT Verlag, 7/2004

Abstract:

In den vergangenen Jahren hat sich vor allem eine KI-Technik zunehmend auch im kommerziellen Umfeld erfolgreich durchsetzen können, nämlich die des Fallbasierten Schließens oder engl. Case-Based Reasoning (CBR). Während die klassischen Anwendungsgebiete Klassifikations-, Diagnose- und Help-Desk-Systeme sind, hat sich CBR mittlerweile zunehmend auch im Bereich von eCommerce- und Wissensmanagement-Aufgabenstellungen durchgesetzt. Die Grundidee von CBR ist die Wiederverwendung von Situations-spezifischem Erfahrungswissen zur effizienten Lösung gegebener Problemstellungen. Dieses Erfahrungswissen wird dabei typischer Weise durch strukturiert dokumentierte Problem-Lösungs-Paare - die sog. Fälle - repräsentiert, die in einer speziellen Datenbank - der sog. Fallbasis - abgelegt werden. Um dieses gesammelte Wissen erfolgreich für die Lösung eines gegebenen Problems einsetzen zu können, müssen in einem ersten Schritt - dem sog. Retrieval - Fälle ausgewählt werden, die aussichtsreich erscheinen zur aktuellen Problemlösung beizutragen. Die darin enthaltenen Lösungsvorschläge müssen dann evtl. in einem zweiten Schritt an die neue Problemstellung angepasst werden. Das klassische Prozessmodell des CBR sieht darauf folgend zwei weitere Schritte vor, um die adaptierte Lösung zu validieren und im Erfolgsfall als neues Erfahrungswissen in der Fallbasis abzulegen. Der Fokus der hier beschriebenen Dissertation liegt jedoch auf der ersten, und damit grundlegenden Phase der Problemlösung, nämlich der Auswahl nützlicher Fälle. Da die tatsächliche Nützlichkeit eines Falles erst nach der Problemlösung sicher bestimmt werden kann, wird für das Retrieval eine Heuristik benötigt. Im CBR basiert diese Heuristik auf der Annahme, dass ähnliche Probleme ähnliche Lösungen haben. Um die Ähnlichkeit zwischen einer gegebenen Problemstellung - der sog. Anfrage - und denen in den Fällen dokumentierten Problemen zu bestimmen, werden sog. Ähnlichkeitsmaße eingesetzt.

Files:

  index.php
  KI2004_Stahl.pdf

BibTex:

@article{ STAH2004,
	Title = {Lernen von Wissensintensiven Ähnlichkeitsmaßen im Case-Based Reasoning},
	Author = {Armin Stahl},
	Month = {7},
	Year = {2004},
	Publisher = {BöttcherIT Verlag},
	Publisher = {18},
	Pages = {69-71},
	Journal = {KI - Künstliche Intelligenz, German Journal on Artificial Intelligence - Organ des Fachbereiches "Künstliche Intelligenz" der Gesellschaft für Informatik e.V.},
	Number = {3}
}

     
Last modified:: 30.08.2016