CBR新型實例庫結(jié)構(gòu)在智能旅游系統(tǒng)中的應(yīng)用研究.pdf

1、專家系統(tǒng)最近幾年取得了較塊的發(fā)展，通過使用專家系統(tǒng)節(jié)約了人力加快了信息流通的速度，在很多領(lǐng)域?qū)＜蚁到y(tǒng)得到了有效的應(yīng)用。本文論述了一個基于CBR的智能旅游咨詢系統(tǒng)的構(gòu)建方法。 本課題的主要任務(wù)是通過對傳統(tǒng)得反饋式CBR算法的深入研究，對多用戶的CBR系統(tǒng)的構(gòu)架提出一種新的實例庫構(gòu)架方法。通過這種新的實例庫的構(gòu)造方法改善CBR的推理。最終在旅游智能咨詢系統(tǒng)中應(yīng)用這種方法，并和過去的CBR方法進行對比。 CBR(Case-Ba

2、sedReasoning)基于實例的推理是一種通過重用過去解決問題經(jīng)驗來解決當前問題的新型智能推理技術(shù)。在專家系統(tǒng)中，知識的表示方法常常決定了采用何種推理方式進行專家系統(tǒng)的推理。本文首先論述了過去在專家系統(tǒng)中的知識表示方式和他們的優(yōu)缺點。然后對CBR的知識表示和采用這種知識表示方式之后其對應(yīng)的推理方法和知識獲取的過程做了詳細的描述，指出了采用CBR推理技術(shù)具備的優(yōu)勢所在。而如何提高CBR智能系統(tǒng)的推理速度和解決冗余數(shù)據(jù)問題往往是CBR智

3、能系統(tǒng)面臨的一個關(guān)鍵性問題。在當今的工業(yè)信息時代，新的實例常常以一個比較高的速度存入實例庫，大量的實例使得推理速度和精度相對降低，使得我們不得不回頭仔細考證這些實例是否對推理有用。另一方面，問題域也不是一成不變的，問題域發(fā)生變化之后常常需要重新定義實例。不同用戶由于使用喜好的不同也會使得這種變化加劇。因此如何提高推理速度和精度是CBR研究人員一直以來研究的熱點。近年來涌現(xiàn)的反饋式CBR在這方面做了有益的探索。但是反饋式CBR還存在一定的

4、問題：例如索引制定比較籠統(tǒng)，數(shù)據(jù)冗余問題比較難于克服等等。就此問題，本文論述了一種對傳統(tǒng)反饋式CBR算法的改進——多層式的實例庫索引結(jié)構(gòu)，通過對實例庫庫結(jié)構(gòu)的分層提高了搜索的效率與精度，并在系統(tǒng)構(gòu)造的最初最大限度的控制了實例的冗余。實例的冗余一直是困擾CBR系統(tǒng)的一個大問題，除了使用分層的庫結(jié)構(gòu)來解決實例的冗余外，我們在CBR進行學(xué)習的時候也會產(chǎn)生大量的數(shù)據(jù)冗余，而如果對這部分冗余控制不好的話往往會造成實例庫急劇膨脹導(dǎo)致搜索速度下降。最