事例ベース推論システムの効率に関する分析と評価
スポンサーリンク
概要
- 論文の詳細を見る
A case-based reasoning (CBR) system solves new problems by adapting relevant cases from a case library (a case-base). When we use CBR for practical applications, we usually meet several trade-offs between CBR systems and conventional ones. In practice, the complex integration of case-based reasoners and conventional problem solvers may cause bad performance of both problem solving processes and learning processes. In this paper, we give critical analyses on the nature of CBR as a speed-up and memory-based learner, and propose quantitative measures to evaluate the performance of a CBR application system. The measures are Space Partition Ratio (SPR), Analogical Adaptation Ratio (AAF), and Reusable Case Ratio (RCR). SPR shows the utility of indices of stored cases. AAF shows the performance of adaptation of stored cases to a new problem. RCR shows direct usability of stored cases to a new problem. To validate the effectiveness of the measures, we have carried out intensive experiments on a system : IRS-CBR (Intelligent Information Retriever with a Case-Based Reasoner), which adapts the CBR method to the task of information retrieval for financial statistical databases. From the experimental results, we conclude that (1) IRS-CBR has the advantage for improving the performance of conventional information retrieval systems, (2) IRS-CBR has succeeded in both speed-up and memory-based learning in a practical sense, and (3) the proposed measures are useful for the evaluation of a CBR application.
- 社団法人人工知能学会の論文
- 1993-07-01
著者
関連論文
- エージェントシミュレーションの妥当性評価における統計分析
- 進化計算を用いた企業シミュレーションの構築 : シミュレーション結果における感度分析に向けて
- 進化計算を用いた企業シミュレーションの構築 : シミュレーション結果における感度分析に向けて
- 多戦略学習による蛋白質機能予測知識の生成
- 学習分類子システムを用いたプロセス時系列からのデータマイニング
- メタ学習による肝機能検査データからの因果モデルの構築
- 対話型進化計算と帰納学習による医療データの分析
- 模擬育種法と帰納学習を統合したマーケティング情報分析手法
- 知識獲得機能を持つソフトウェア部品データベース
- ソフトウェア部品データベースへの事例ベース推論的アプローチ
- 事例ベース推論システムの効率に関する分析と評価