摘　要： 提出一種基于案例的Web推理方法和對(duì)應(yīng)的CBR系統(tǒng)結(jié)構(gòu)，以適應(yīng)目前Internet環(huán)境下知識(shí)共享、知識(shí)管理工具和知識(shí)應(yīng)用的發(fā)展。
　　關(guān)鍵詞： 語(yǔ)義Web CBR 案例 CaseML

　　基于案例推理CBR(Case Based Reasoning)是人工智能研究的傳統(tǒng)研究領(lǐng)域，吸引了大量的研究者致力于CBR的理論方法和應(yīng)用研究，但是案例的存儲(chǔ)形式、相應(yīng)的組織結(jié)構(gòu)及其檢索、推理和應(yīng)用一直是研究的重點(diǎn)和難點(diǎn)。從目前的研究情況來看，推理方法的實(shí)現(xiàn)是針對(duì)特定的案例表示和組織形式的，只有相應(yīng)的工具才能使用案例，智能主體(Agent)無法直接理解案例的內(nèi)容，不支持主體的自動(dòng)求解,限制了案例庫(kù)的適用范圍,對(duì)案例庫(kù)進(jìn)行更改必須同時(shí)修改CBR算法，不同的案例庫(kù)之間很難集成。隨著網(wǎng)絡(luò)技術(shù)的不斷發(fā)展和Internet規(guī)模的急劇擴(kuò)大，使得CBR上述的局限性愈加明顯，單機(jī)系統(tǒng)已不能滿足應(yīng)用的需要，需要基于Web框架來實(shí)現(xiàn)CBR系統(tǒng)。
1 CBR簡(jiǎn)述
　　嚴(yán)格地說CBR并不是一種理論或技術(shù)，而是一種模擬人進(jìn)行信息處理的方法。人們?cè)谶M(jìn)行問題求解時(shí)，除了邏輯推理，有些時(shí)候可能會(huì)依賴于過去的經(jīng)驗(yàn)或相類似的案例。例如，醫(yī)生在診斷病人時(shí)，常常會(huì)通過相類似的病例進(jìn)行診斷。這種推理在人工智能研究領(lǐng)域稱為基于案例的推理CBR。CBR在人工智能領(lǐng)域已經(jīng)有比較深入的研究和較廣泛的應(yīng)用。
　　一個(gè)典型的CBR系統(tǒng)由如下幾個(gè)部分組成：
　　(1)一組由多個(gè)案例(Case)組成的案例庫(kù)(Case Base)；
　　(2)一個(gè)或多個(gè)相似度比較函數(shù)；
　　(3)一系列案例調(diào)整或自學(xué)習(xí)規(guī)則(Adaptive Rules)。
　　下面是傳統(tǒng)的廣為所知的R4 CBR推理周期^[1]。具體分述如下：
　　(1)Retrieve：從案例庫(kù)中獲取最相似的案例列表；
　　(2)Reuse：重用這些案例以解決新問題；
　　(3)Revise：修改這些案例以適應(yīng)新的問題，并形成新的解決方法；
　　(4)Retain：保存這些新的案例以備以后使用。
　　基于案例的方法在應(yīng)用于Web查詢與推理時(shí)有其一定的優(yōu)勢(shì)。一方面，CBR以案例的問題描述為查詢輸入，比之基于關(guān)鍵字的方法，查詢表達(dá)相對(duì)更為豐富；另外一方面，CBR以案例的相似度比較來完成查詢處理，比之基于邏輯的方法，查詢處理要相對(duì)容易。因此，在某些應(yīng)用場(chǎng)景下，CBR更適合于Web查詢與推理的實(shí)現(xiàn)。
　　目前這類系統(tǒng)在Web上已經(jīng)有很多具體實(shí)現(xiàn)，但這些CBR都存在一些共同的問題：(1)缺乏一致化的案例表達(dá)語(yǔ)言。雖然有很多現(xiàn)成的案例表達(dá)語(yǔ)言，如面向?qū)ο蟮谋磉_(dá)語(yǔ)言CASUEL和Noos，基于XML的表達(dá)語(yǔ)言O(shè)ML[02]和CBML^[3]，但這些語(yǔ)言各有特點(diǎn)，很難統(tǒng)一。(2)定義案例的領(lǐng)域術(shù)語(yǔ)缺乏本體的支持。這不適應(yīng)于Web CBR的需要，因?yàn)閃eb CBR的典型模式是多個(gè)由不同機(jī)構(gòu)或組織開發(fā)的案例庫(kù)進(jìn)行集成式的協(xié)同CBR推理。(3)案例庫(kù)相對(duì)獨(dú)立和封閉，不滿足Web的開放性需要。
　　基于上述考慮，本文提出、定義和設(shè)計(jì)實(shí)現(xiàn)" title="設(shè)計(jì)實(shí)現(xiàn)">設(shè)計(jì)實(shí)現(xiàn)了CaseML語(yǔ)言，并基于開放式知識(shí)服務(wù)體系，提出了Web CBR的基本實(shí)現(xiàn)架構(gòu)與方法。
　　傳統(tǒng)的Case表達(dá)方法共同的缺陷是，定義案例的術(shù)語(yǔ)缺乏明確表達(dá)的語(yǔ)義或本體支持，從而導(dǎo)致基于案例的知識(shí)共享、案例庫(kù)集成和案例交換難于實(shí)現(xiàn)。語(yǔ)義Web技術(shù)為解決這一問題提供了可能。為此提出并設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于RDF的案例表達(dá)語(yǔ)言，稱為CaseML。CaseML的基本設(shè)計(jì)思想是：基于RDF來描述案例，即基于RDF來描述和表達(dá)案例的問題空間" title="問題空間">問題空間和解答空間。也就是說，CaseML通過Web本體來統(tǒng)一案例描述的語(yǔ)義，以支持Web案例知識(shí)庫(kù)的集成。
2 CaseML的基本表達(dá)元語(yǔ)
　　本節(jié)對(duì)CaseML的基本表達(dá)元語(yǔ)進(jìn)行介紹，并給出了CaseML的RDF Schema定義。首先給出CaseML案例庫(kù)和案例的定義。
　　Definition CaseML CaseBase
　　一個(gè)CaseBase=〈Cases，SimilarityAssessment〉，即包含一組案例描述和一組相似度比較方法定義；
　　Definition CaseML Case
　　一個(gè)Case=〈Problem，Solution，AdaptiveRule〉，即一個(gè)案例包含一個(gè)問題描述，一個(gè)解答描述，以及一個(gè)案例適配" title="適配">適配規(guī)則。
　　接下來介紹CaseML的Schema定義，后面的" title="面的">面的定義用到了下面的命名空間定義：
　　〈?xml version=″1.0″?〉
　　〈?DOCTYPE rdf：RDF [ENTITY xsd
　　http：//www.w3.org/2001/XMLSchema#〉]〉
　　〈rdf∷RDF
　　xmlns：rdf=″http：//www.w3.org/1999/02/22-rdf-syntax-ns#″
　　xmlns：rdfs=″http：//www.w3.org/2000/01/rdf-schema#″
　　xmls：caseml=″http：//grid.zju.edu.cn/caseml/″
　　xmls：base=″http：//grid.zju.edu.cn/caseml/〉″
　　CaseML中的Class定義
　　CaseBase：CaseBase是rdf：Bag類的子類，它是案例的容器。每個(gè)案例類實(shí)例都包含一個(gè)hasSimilarityAssement的屬性，并指向一個(gè)SimilarityAssessment類實(shí)例。
　　〈rdfs：Class rdf：ID=″CaseBase″〉
　　〈rdfs：subClassOf rdf：resource=″rdf：Bag″/〉
　　Case：每個(gè)案例都有一個(gè)問題描述(Problem)和一個(gè)解決方法描述(Solution)。
　　〈rdfs：Class rdf：ID=″Problem″/〉
　　Feature：一個(gè)特征(Feature)包含一組關(guān)于案例的問題或解答的RDF陳述。案例庫(kù)設(shè)計(jì)者可預(yù)先定義好描述案例的問題空間和解答空間的本體詞匯，這些詞匯可以在CaseML的Feature部分進(jìn)行定義。
　　〈rdfs：Class rdf：ID=″Feature″/〉
　　Solution：一個(gè)解決方法也包含一個(gè)或多個(gè)特征描述。
　　〈rdfs：Class rdf：ID=″Solution″/〉
　　SimilarityAssessment：這個(gè)包裝了關(guān)于如何對(duì)該案例庫(kù)內(nèi)的案例進(jìn)行相似度比較的信息?？赡馨b的是一個(gè)外部程序調(diào)用方法，也可能是一個(gè)Web服務(wù)的地址。
　　〈rdfs：Class rdf：ID=″Case″/〉
　　AdaptaionRule：這個(gè)類用于包裝某個(gè)案例的調(diào)整規(guī)則，這些規(guī)則可以用類似于RuleML^[4]的規(guī)則表達(dá)語(yǔ)言進(jìn)行表達(dá)。
　　〈rdfs：Class rdf：ID=″AdaptationRule″/〉
　　CaseML中的Property定義
　　domainOntology：一個(gè)案例庫(kù)需要指明其所使用的領(lǐng)域術(shù)語(yǔ)所屬的Web本體的地址
　　〈rdfs：Property rdf：ID=″domainOntology″〉
　　〈rdfs：domain rdf：resource=″#CaseBase″/〉
　　〈rdfs：range rdf：resource=″&xsd；string″/〉
　　〈/rdfs：Property〉/〉
　　hasProblem：這個(gè)屬性建立了Case類和Problem類的關(guān)系；
　　〈rdfs：Property rdf：ID=″hasProblem″〉
　　〈rdfs：domain rdf：resource=″#Case″/〉
　　〈rdfs：range rdf：resource=″#Problem″/〉
　　〈/rdfs：Property〉/〉
　　hasDescription：通過這個(gè)屬性，一個(gè)Feature類建立起和案例的問題或解答的具體描述。用戶可以把任何“rdf：resource”描述通過此屬性加入到案例的描述中。該“rdf Resource”可以是描述一個(gè)領(lǐng)域?qū)ο?，也可以是描述一組屬性/值對(duì)，甚至可以是自由文本Literal；
　　〈rdfs：Property rdf：ID=″hasDescription″〉
　　〈rdfs：domain rdf：resource=″#Feature″/〉
　　〈rdfs：range rdf：resource=″rdf：Resource″/〉
　　〈/rdfs：Property〉/〉
　　hasSolution：此屬性建立起Case類的Solution類的關(guān)系；
　　〈rdfs：Property rdf：ID=″hasSolution″〉
　　〈rdfs：domain rdf：resource=″#Case″/〉
　　〈rdfs：range rdf：resource=″solution″/〉
　　〈/rdfs：Property〉/〉
　　hasFeatures：此屬性建立起Problem類、Solution類和Feature類之間的關(guān)系；
　　〈rdfs：Property rdf：ID=″hasFeatures″〉
　　〈rdfs：domain rdf：resource=″#problem″/〉
　　〈rdfs：domain rdf：resource=″#solution″/〉
　　〈rdfs：range rdf：resource=″# Feature″/〉
　　〈/rdfs：Property〉/〉
　　hasSimilarityAssessment每個(gè)案例庫(kù)實(shí)例都包含一個(gè)hasSimilarityAssessment屬性，并指向一個(gè)SimilarityAssessment類實(shí)例。有可能一個(gè)案例庫(kù)包含多個(gè)這樣的屬性，也就是說一個(gè)案例庫(kù)可能有多種不同比較相似度的方法；
　　〈rdfs：Property rdf：ID=″hasSimilarityAssessment″〉
　　〈rdfs：domain rdf：resource=″#CaseBase″/〉
　　〈rdfs：range rdf：resource=″# SimilarityAssessment″/〉
　　〈/rdfs：Property〉/〉
　　hasAdaptationRule：這個(gè)屬性建立起Case類和一個(gè)適配規(guī)則(Adaptation Rule)之間的關(guān)系。適配規(guī)則用于對(duì)查詢出的案例進(jìn)行適配性的修改，因?yàn)橛锌赡懿樵兂龅陌咐⒉荒芡耆m用于新的問題。
3 幾個(gè)中醫(yī)藥實(shí)例
　　下面通過一個(gè)來自于中醫(yī)藥的案例介紹CaseML的表達(dá)案例的方法。
　　中醫(yī)藥的典型特征是個(gè)體化診療，因此用案例來表達(dá)中醫(yī)藥知識(shí)非常合適。一個(gè)典型的中醫(yī)藥案例可由如下兩部分組成：
　　Problem描述：即癥狀的描述。
　　中醫(yī)藥對(duì)癥狀進(jìn)行診斷的基本方法是四診，即望、聞、問、切?？梢猿槿〕鏊脑\的特征值，并表示為案例的屬性/值對(duì)，如：
　　舌苔：無苔、白苔、黃苔、黑苔。
　　脈象：浮脈、沉脈、遲脈、數(shù)脈。
　　Solution描述：可包含病因分析、治療方法和處方部分的描述。
　　病因部分：脾虛、心陰虛。
　　治法部分：健脾、補(bǔ)心陽(yáng)。
　　處方部分:酉己方。
　　四診描述：
　　Problem趙某，男，27歲，頭暈，咳嗽，胸悶，氣短，低熱，盜汗，形體瘦弱，脈沉數(shù)，舌質(zhì)暗紅，少苔，大便干，小便赤黃。
　　Solution 病因描述：陰虛、肺癆、肝火旺。
　　治法描述：清肺氣、養(yǎng)肺陰、清肝火、益腎精。
　　處方描述：
　　處方名：保肺露。
　　藥物組成：百部10克、天漿殼10克、烏賊骨" title="烏賊骨">烏賊骨10克、龍膽草10克、石決明15克、白芍10克、麥冬10克、紫苑10克、秋石6克、潼沙苑10克、百合30克。
　　制作方法：浸泡30分鐘、文火煎煮40分鐘、加水再煎30分鐘。
　　AdaptationRule處方調(diào)整規(guī)則：咳血者，加三七粉。痰多者，加川貝母。少兒，百部減半；
　　一個(gè)典型的中醫(yī)藥案例的組成在定義中醫(yī)藥案例時(shí)需要用到中醫(yī)藥的本體和術(shù)語(yǔ)定義。
　　上述中醫(yī)藥案例可以用CaseML描述如下：
　　〈caseml：Case rdf：id=″#case001″〉
　　〈caseml：hasProblem rdf：resource=″#problem001″/〉
　　〈caseml：hasSolution rdf：resource=″#solution001″/〉
　　〈caseml：hasAdaptationRule〉
　　咳血者，加三七粉; 痰多者，加川貝母；少兒，百部減半
　　〈/caseml：hasAdaptationRule〉
　　〈/caseml：Case〉
　　〈caseml：Problem rdf：id=″#problem001″/〉
　　〈caseml：hasFeature rdf：resource=″#feature001″/〉
　　〈caseml：hasFeature rdf：resource=″#feature002″/〉
　　……
　　〈/caseml：Problem〉
　　〈caseml：Feature rdf：id=″#feature001″/〉
　　〈caseml：hasDescription〉
　　〈rdf：description rdf：nodeID=″ ″〉
　　〈tcm：性別〉 男 〈/tcm：性別〉
　　〈tcm：年齡〉 27〈/tcm：年齡〉
　　〈/rdf：Description〉
　　〈/caseml：Feature〉
　　〈caseml：Feature rdf：id=″#feature002″/〉
　　〈caseml：hasDescription〉
　　〈rdf：Description rdf：nodeID=″ ″〉
　　〈tcm：舌質(zhì)〉 暗紅、少苔 〈/tcm：舌質(zhì)〉
　　〈tcm：脈象〉 沉、數(shù) 〈/tcm：脈象〉
　　〈tcm：寒熱〉 低熱、盜汗 〈/tcm：寒熱〉
　　 ……
　　〈/rdf：Description〉
　　〈/caseml：Feature〉
　　……
　　〈caseml：Solution rdf：id=″# Solution 001″〉
　　〈caseml：hasFeature rdf：resource=″#feature003″/〉
　　〈caseml：hasFeature rdf：resource=″#feature004″/〉
　　……
　　〈/caseml：Solution〉
　　〈caseml：Feature rdf：id=″#feature003″〉
　　〈caseml：hasDescription〉
　　〈rdf：Description rdf：nodeID=″ ″〉
　　〈tcm：病因〉 陰虛、肺癆、肝火旺
　　〈/tcm：病因〉
　　〈tcm：治法〉清肺氣、養(yǎng)肺陰、清肝火、益腎精〈/tcm：治法〉
　　〈tcm：處方 rdf：resource=″tcm：處方001″〉
　　〈/rdf：Description〉
　　〈/caseml：Feature〉
　　〈tcm：方劑 rdf：id=″#處方001″〉
　　〈tcm：方劑名稱〉保肺露〈/tcm：方劑名稱〉
　　〈tcm：組成〉
　　百部10克、天漿殼10克、烏賊骨10克、龍膽草10克、石決明15克、白芍10克、麥冬10克、紫苑10克、秋石6克、潼沙苑10克、百合30克
　　〈/tcm：組成〉
　　〈tcm：制備方法〉
　　浸泡30分鐘、文火煎煮40分鐘、加水再煎30分鐘
　　〈/tcm：制備方法〉
　　〈/tcm：方劑〉
　　……
　　網(wǎng)絡(luò)環(huán)境下CBR的系統(tǒng)結(jié)構(gòu)，使最新的網(wǎng)絡(luò)技術(shù)應(yīng)用成為CBR新的研究方向。
參考文獻(xiàn)
1 Aamodt A，Plaza E.Case-Based Reasoning：Foundational Issues，Methodological Variations，and System Approaches.AI Communications.IOS Press，1994；(7)39～59
2 Aha D.The omnipresence of case-based reasoning in science and application.Knowledge-Based System.1998；(11)：261～273
3 Goker M H，Berghofer T R.The development and utilization of the case-based help-desk support system HOMER.Engi-neering Applications of Artificial Intelligence.1999；(12)：665～680
4 Schmidt R，Montani S，Bellazzi R et al.Case-Based Reason-ing for Medical Knowledge-based Systems.International Jour-nal of Medical Informatics.2001；(64)：355～367