（计算机科学与技术专业论文）基于事例推理的城市公共设施应急管理决策支持系统的研究.pdf

中文摘要 摘要：城市公共设施是城市运行的基础，也是城市职能正常运转的保障。其安全 程度关系着全市人民的日常生活，也关系着整个城市的正常运转和宜居水平。城 市公共设施突发事故的发生会造成人民日常生活的不便、会造成人身和财产上的 损失，更有甚者，还会危害人民的生命安全并引发灾难。 因此，及时有效地处置北京市城市公共设施突发事故对保证北京市经济正常 运行和维护社会稳定起着重要的作用。然而目前城市公共设施突发事故的处置主 要是依赖人工经验，包括各个领域的专家、管理人员以及一线工作人员等，尚未 建立起智能系统，难以科学积累并提升曾经发生过的事故处置经验，难以综合、 提升城市公共设施各个领域的专家经验。 基于案例推理( c a s e b a s e dr e a s o n i n g ，c b r ) 是一种基于记忆，利用过去的案例 和经验来解决新问题的一种方法，它可以看作是从问题到经验案例的类比推理。 由于c b r 具有易学易用、知识获取容易、适应性强等优点，受到人工智能研究者 的高度重视，是人工智能领域的一种重要推理技术。然而城市公共设旌突发事故 的处置经验具有结构不易确定、难于抽象、来源多种多样等特性，不适宜采用传 统c b r 中将案例结构化处理的方法。针对这些特性，本课题采用c b r 的一个分 支：基于文本案例的推理( t e x t u a lc a s e b a s e dr e a s o n i n g ，t c b r ) 技术，来完成城市 公共设施应急管理决策支持系统，并研究在该系统中如何实现文本案例表示、信 息实体( i n f o r m a t i o ne n t i t i e s ，i e s ) 解析、案例的提取以及案例学习等内容。 本文主要研究t c b r 技术在城市公共设施应急管理决策支持系统中的应用， 主要结构如下：首先对决策支持系统的发展背景和现状进行了阐述，并对本课题 的研究内容和意义进行了介绍。之后详细介绍了决策支持系统，t c b r ，案例推理 网( c a s er e t r i e v a ln e t , c 啪和其中关键术语的概念和定义。在c r n 构造过程中， 描述了一种案例与问题相关度评价的计算模型并进行了详细的分析。然后本文详 细说明了c l 矾在本系统中的实现算法，数据结构和推理过程，包括信息实体的解 析、案例的相关值计算方法等内容。并提出了一种案例学习的方法，对案例学习 过程中可能产生的案例冗余问题，提出了一种可行的解决办法。 在文章的最后，对系统的优势和缺陷进行了介绍，主要进行了现有的城市公共 设施应急管理系统和本系统的比较，以及传统基于关键字的查找和本系统基于信 息实体的c r n 案例提取之间的性能和特点比较。 关键词：城市公共设施；应急管理；基于文本案例的推理；案例提取网 分类号：1 1 p 1 8 2 a bs t r a c t a b s t r a c t ：u r b a np u b l i cf a c i l i t i e sa r et h ef u n d a m e n t a lf o rm a i n t a i n i n gt h en o r m a l f u n c t i o no fac i t y i t ss e c u r i t yr e l a t e s 、斩t l lt h ed a i l yl i v e so fp e o p l et h r o u g h o u tt h ec i t y , a n da l s or e l a t e st ot h en o r m a lo p e r a t i o na n ds u i t a b l ef o rl i v i n go ft h ec i t y n 圮u r b a n p u b l i cf a c i l i t i e sa c c i d e n t sc a nc a u s ei n c o n v e n i e n c et op e o p l e sd a i l yl i v e s ，p r o p e r t ya n d h e a l t hl o s s e s e v e nw o r s e ，i tc a ne n d a n g e rt h es a f e t yo f p e o p l ea n d t r i g g e rad i s a s t e r t h e r e f o r e ，d i s p o s i n go fb e i j i n gp u b l i cf a c i l i t i e sa c c i d e n tt i m e l ya n de f f e c t i v e l yi s v e r yi m p o r t a n tf o rm a i n t a i n i n gt h es t a b i l i t yo fb e i j i n g se c o n o m ya n ds o c i e t y h o w e v e r ， c u r r e n t l yt h e r ei sn oi n t e l l i g e n ts y s t e mt oh e l pb u i l d i n ga n du p g r a d i n gt h ee x p e r i e n c eo f e x p e r t s c u r r e n t l y , t h ea c c i d e n td i s p o s a lp r o c e s si sm a i n l yd e p e n d i n go nt h ei n d i v i d u a l e x p e r i e n c e , i n c l u d i n ge x p e r t s , m a n a g e r sa n df r o n t l i n es t a f f si nd i f f e r e n tf i e l d s i t sv e r y h a r dt oc o m p r e h e n s i v ea n dp r o m o t e st h ee x p e r i e n c ef r o mv a r i o u ss o u r c e s c a s e b a s e dr e a s o n i n g ( c b r ) i sam e m o r y - b a s e dm e t h o d i ti sap r o c e s so fs o l v i n g n e wp r o b l e m so nt h es o l u t i o n so fs i m i l a rc a s e s b e c a u s eo ft h ea d v a n t a g eo fe a s ya c 虻e s s a n dg o o da d a p t a b i l i t y , i th a sb e e na t t a c h e dg r e a ti m p o r t a n c eb ya r t i f i c i a li n t e l l i g e n c e r e s e a r c h e r st ob ea l li m p o r t a n tr e a s o n i n gm e t h o di na r t i f i c i a li n t e l l i g e n c ef i e l d h o w e v e r , t h ee x p e r i e n c ec a s e so fd i s p o s a lo fu r b a np u b l i cf a c i l i t i e sa c c i d e n ta r eh a r dt ob e s t r u c t u r e d ，a b s t r a c ti n t oa t t r i b u t ev e c t o r , a n dh a v ev a r i e so fs o u r c e s s oi t sn o ts u i t a b l e f o ru s i n gt h et r a d i t i o n a lc b r m e t h o d a c c o r d i n gt ot h ec h a r a c t e r i s t i c sa b o v e ，t h i sp a p e r u s e sab r a n c ho fc b r , t e x t u a lc a s e - b a s e dr e a s o n i n g ( t c b r ) , t ob et h er e a s o n i n g m e t h o do fe m e r g e n c ym a n a g e m e n td e c i s i o ns u p p o r ts y s t e m ( e m d s s ) o fu r b a np u b l i c f a c i l i t i e s a n dt h i sp a p e ra l s oe x p l o r e sh o wt o e x p r e s st e x t u a lc a s e s ，h o wt op a r s e i n f o r m a t i o ne n t i t i e s ( i e s ) ，h o wt or e t r i e v ec a s e sa n dh o wt oi m p l e m e n tc a s es t u d y t h i sp a p e rf o c u s e so nt h ei m p l e m e n t a t i o no ft c b rt e c h n o l o g yo ne m d s so fu r b a n p u b l i cf a c i l i t i e s t l l i sp a p e ri so r g a n i z e da sf o l l o w s ：f i r s t l y , t h eb a c k g r o u n dk n o w l e d g e a n dc u r r e n ts i t u a t i o no fd s sw i l lb ei n t r o d u c e d ，a sw e l la st h ec o n t e n ta n ds i g n i f i c a n c e o ft h i sp a p e r s e c o n d l y ，s o m ed e t a i l e dt e c h n o l o g yo fd s s ，t c b r , c a s er e t r i e v a ln e t ( c r n ) a n ds o m er e l a t e dk e yc o n c e p ta n dd e f i n i t i o nw i l lb ed e s c r i b e d ，w h i c hr e p r e s e n ta c a l c u l a t i o nm o d e lo fr e l e v a n tv a l u eb e t w e e ne x p e r i e n c ec a s e sa n dc u r r e n tq u e s t i o n a n d t h e n , t h ed e t a i lo fc r nc o n s t r u c ta l g o r i t h m ，d a t as t r u c t u r ea n dr e a s o n i n gp r o c e s sw i l lb e d e s c r i b e d , i n c l u d i n gh o wt op a r s ei n f o r m a t i o ne n t i t i e s ，r e l e v a n tv a l u e sc a l c u l a t i o n b e t w e e ne x p e r i e n c ec a s e sa n di e sa n ds oo n a n da l s oac a s es t u d ym e t h o dw h i c hc a p _ s o l v et h ec a s er e d u n d a n tp r o b l e mw i l ib er e p r e s e n t e d a tt h ee n do ft h i sp a p e r , s u m m a r i z et h ea d v a n t a g e sa n ds h o r t c o m i n g so fd e c i s i o n s u p p o r ts y s t e mf o rt h ee m e r g e n c ym a n a g e m e n to fu r b a np u b l i cf a c i l i t i e s ，m a k i n g c o m p a r eb e t w e e nt h i ss y s t e ma n do t h e rs i m i l a rs y s t e m s ，a n dc o m p a r i n gt h e p e r f o r m a n c eb e t w e e nt h ek e yw o r d sb a s e ds e a r c ht e c h n o l o g ya n dc r nb a s e dc a s e r e t r i e v a lt e c h n o l o g y k e y w o r d s ：u r b a np u b l i cf a c i l i t i e s ；e m e r g e n c ym a n a g e m e n t ；t e x t u a lc b p ；c a s e r e t r i e v a ln e l c l a s s n o ：t p l8 2 v 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 学位论文作者签名：序魁签字日期：上彻少年月7 日 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：戌铽 导师签名! 签字日期：力，j 7 r 年歹月矿日 特日7 7 日 致谢 本论文的工作是在我的导师黄厚宽教授的悉心指导下完成的，黄厚宽教授严 谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢两年来 黄厚宽老师对我的关心和指导。 黄厚宽教授悉心指导我们完成了实验室的科研工作，在学习上和生活上都给 予了我很大的关心和帮助，在此向黄厚宽老师表示衷心的谢意。 黄厚宽教授对于我的科研工作和论文都提出了许多的宝贵意见，在此表示衷 心的感谢。 在实验室工作及撰写论文期间，尹传环老师对我论文中的城市公共设施应急 管理研究工作给予了热情帮助，在此向他表达我的感激之情。 另外也感谢家人，他们的理解和支持使我能够在学校专心完成我的学业。 l 绪论 1 1 选题背景 决策支持系统( d e c i s i o ns u p p o r ts y s t e m , d s s ) 是在管理信息系统( m a n a g e m e n t i n f o r m a t i o ns y s t e m ，m i s ) 和运筹学的基础上，能够综合利用大量数据，有机结合众 多模型，通过人机交互功能，辅助各级决策者实现科学决策的系统。m i s 则是以 人为主导，利用计算机硬件、软件、网络通信设备以及其他办公设备，进行管理 信息的收集、传输、储存、加工、更新、维护和使用的系统。m i s 能把大量孤立 的信息构建成一个有组织的较为完整的信息系统，不仅解决了信息存储的冗余向 题，还较大程度地提高了信息使用的效能。然而，m i s 只能帮助企业管理者对信 息作表面上的组织和管理，难以深层次挖掘企业信息的内在规律从而为企业决策 服务【i l 。2 0 世纪7 0 年代，s c o t tm o r t o n 在管理决策系统一书中第一次指出计 算机对于决策的支持作用，且在随后不久和k e e n 一起创造了。决策支持系统”一 词，使许多学者活跃于行为科学的研究。d s s 自此得到重视和快速发展，成为系 统工程、管理科学、人工智能等领域活跃的研究课题。 近年来，专家系统( e x p e r ts y s t e m s ，e s ) 也得到快速发展，增强了d s s 系统的主 动功能，在引入e s 系统之后，d s s 除了涉及到与信息管理有关的技术之外，还进 一步涉及到了智能技术，如对自然语言的理解和处理等。并且在d s s 的应用过程 中，要求我们对d s s 的研究要结合应用目标、领域知识和应用背景去运用智能技 术。在这样的背景下，出现了智能决策支持系统( i n t e l l i g e n td e c i s i o ns u p p o r ts y s t e m s ， i d s s ) 。它最初由b o n c z e k 等人于2 0 世纪8 0 年代初提出，是把d s s 与e s 相结合， 分别发挥d s s 数据分析与e s 符号处理的特点，并将定性分析和定量分析有机结 合，使其能够进行知识处理，以更准确地模拟客观世界，全面反映决策过程，从 而有效地解决半结构化和非结构化问题1 2 j 。 i d s s 在咨询、诊断、预测、设计、管理等领域得到了广泛的应用【3 j ，但对于 多数i d s s 应用系统来说，仍存在一些亟待解决的问题，如： 1 1 对决策过程的智能辅助程度不够高1 2 。传统的i d s s 是将专家系统( e x p e r t s y s t e m , e s ) 作为d s s 的一个相对独立的部件，或将e s 技术集成到d s s 的不同部 件中。这两种方式中，e s 都是对d s s 部件的实现技术提供功能辅助，如为智能数 据管理、智能模型选择等提供辅助，而对决策过程的智能辅助程度较低，这主要 是因为大部分决策问题都是不良结构或非结构化的，传统e s 所采用的结构化的推 理方式，很难按照描述性方式对决策过程提供智能支持。 2 ) 知识获取较为困难且系统具有脆弱性【2 】。传统的基于规则的方法中，一方 面，从专家处获取知识的成本较高，且有时专家的知识难以有效地归纳出一般规 则；另一方面，一旦处理问题所需的知识超出了知识库的范围，系统就需要纳入 新的规则，由此可能导致整个系统规则都随之发生改变，这一特性给系统带来了 巨大的维护成本。 3 ) 人机协调性不佳【l l 。主要表现在人机分工不合理和人机智能难以结合，在 基于规则的推理过程开始前，用户必须将问题按照系统可以理解的规则进行组织， 这是一个翻译过程。这就很难保证计算机能够正确、及时地理解用户的提问和需 求；用户也不能及时获得计算机的回答和解释：并难以对计算机进行动态的干预 并加入启发信息等。 4 ) 灵活性和适应性不佳【i 】。传统的i d s s 各部件在提供智能支持时，其学习行 为大多是静态的、被动的，即按照预定的启发式策略进行学习，而不是按照实际 环境需求制定动态的学习策略，缺乏主动学习机制。因此，限制了智能辅助的灵 活性和适应性。 。 上述问题限制了d s s 的广泛应用。而近年来兴起的基于案例的推理 ( c a s e - a a s e dr e a s o n i n g ，c a r ) 技术基于人的认知心理过程进行推理，即用先前求解 问题的经验和方法，通过与经验案例进行类比来解决当前相似问题。克服了基于 规则i d s s 的知识难于获取、推理脆弱性等缺陷。 c b r 的主要思想就是使用经验案例作为其求解工具，当新的问题到来时，系 统从经验案例中检索出与当前问题最相近的案例，将经验案例中成功解决问题的 方案用到当前问题的求解中去。这种解决问题的思想与人脑解决现实问题的思想 相似：人脑在解决问题时，总是先进行回忆，从记忆中找到一个与新问题最相似 的先前问题的处理方案，然后把该处理方案的有关信息和知识复用到新问题的求 解之中。目前，c b r 已成功应用到医学诊断、时间系列预测、产品设计、规划等 领域中 4 1 。其主要优点有： 1 ) 问题的唯一精确表示是其本身【5 】。案例能比一组规则提供更全面的信息， 这是因为人的主观性和有限理性，从大量实例归纳出来的规则只取出了实例的共 同本质； 2 ) 案例推理是一种增量式学习方法1 5 1 。随着案例的增多，案例库的覆盖度( 求 解问题的范围) 逐渐提高：同时由于案例比规则获取容易，不需要完整的领域模 型，使案例推理逐步实用化； 3 ) 避免了知识增加时知识库的完整性和一致性问题【6 】： 4 ) 基于案例的推理是类比推理的一种，它具有类比推理的基本特点。同时对 2 难以充分理解及抽象的领域进行了经验的保留，避免了由于人的主观因素导致的 经验流失。 基于以上c b r 技术的优点，在对复杂问题的决策过程中，若问题信息具有随 机性、模糊性，且其知识难以表达、因果关系难以把握，而专家在过去的实践巾 已积累了丰富的经验，存在着大量的实际案例，就可以利用c b r 方法进行决策支 持。 然而很多领域的经验是以文档形式保存的，这种纯文本的经验难以结构化， 甚至难以将所有案例抽象为特征向量。纯文本案例的这一特性使其难以应用传统 c b r 的方法实现案例推理，如何利用这种以纯文本形式存在的案例，成为c b r 领 域亟待解决的问题。 t c b r 技术正是在此背景下产生并发展的。其案例主体是自然语言表示的文档， 特别适合需要文档支持的应用，如：故障诊断、在线技术支持、辅助决策、基于 案例的分类等。t c b r 与传统c b r 不同之处主要体现在案例通过信息实体 ( i n f o r m a t i o ne n t i t i e s ，i e s ) 来描述，而推理则通过构建案例提取网( c a s er e t r i e v a ln e t , c r n ) 来实现。t c b r 推理的主要目标不再是解决用户提出的问题，而是提取出对 用户解决问题最有帮助的文档【7 l 。 1 2 问题提出 城市公共设施是城市设施的基础，是城市运行的生命线，也是城市职能正常 运转的保障。其安全运行关系着全市人民的日常生活，也关系着整个城市的正常 运转和宜居水平。城市公共设施突发事故的发生会造成人民的日常生活不便、会 造成人力和财物上的损失，更有甚者，还会危害人民的生命并引发灾难。 因此，及时有效地处置北京市城市公共设施突发事故对保证北京市经济正常 运行和维护社会稳定起着重要的作用。然而目前城市公共设施突发事故的处置主 要是依赖人工经验，包括各个领域的专家、管理人员以及一线工作人员等，尚未 建立起智能系统，难以科学积累曾经发生过的事故处置经验，难以综合、提升城 市公共设施各个领域的专家经验。为了将人工智能技术应用到城市公共设施应急 管理工作中，提升北京市公共设施突发事故应急管理的智能化水平，北京市市政 市容管理委员会提出了构建北京市城市公共设施突发事故应急管理智能决策支持 系统的设想。 由于在城市公共设施应急管理领域中所遇到的问题很难用公式，模型或规则 加以描述和表示，并不适合采用基于规则推理的方法智能化地解决问题。并且北 京市市政市容管理委员会在过去对公共设施突发事故的处置过程中，积累了大量 3 的经验，因此适合采用c b r 方法实现该智能决策支持系统。然而，城市公共设施 突发事故的应急决策问题是一种典型的结构不良问题，即事故案件的描述难以表 述为具有关联关系的因素集合。使用传统的c b r 方法将会遇到案例难以结构化等 问题，因此，本文采用c b r 的一个分支一一基于文本案例的推理( t e x t u r a l c a s e b a s e dr e a s o n i n g ，t c b r ) 完成该智能决策支持系统。 1 3 研究内容和意义 本课题研究城市公共设施应急管理决策支持问题，将城市公共设施应急管理 经验组织成相应的案例库，鉴于城市公共设施应急管理经验表达的非结构性，本 文采用t c b r 推理技术和案例提取网进行案例的推理。 在以往的理论工作基础之上，本文应用t c b r 技术进行了北京市城市公共设 施应急管理决策支持系统的构造和案例库的构建工作。实现了t c b r 技术在城市 公共设施应急管理领域中的应用原型。并根据实际需求，对系统中相似案例的解 决方案进行研究；除此之外，对t c b r 中案例学习问题进行相应的探讨，并采用 合适的方法处理案例库冗余问题。 本课题的研究意义在于将t c b r 推理技术应用在城市公共设施应急管理决策 支持系统上。系统在实现过程中，兼顾了t c b r 应用系统的通用性，使得系统可 以经过少量的改动便可成功移植到其它领域，为今后的t c b r 应用系统实现提供 借鉴。 本文的组织结构如下：第一章介绍本课题的研究背景、课题研究目标与研究 意义：第二章分析并讨论课题涉及的主要理论与核心技术原理，其中包括决策支 持系统的设计框架及系统结构，以及c b r 技术的基本原理及t c b r 技术的背景及 发展现状：第三章介绍了城市公共设施突发事故应急管理决策支持系统的应用背 景及需求分析；第四章详细描述了采用t c b r 技术来进行案例推理的理论框架； 第五章进行了系统的总体设计，给出核心模块的详细设计，构建了系统原型；最 后，对本文所做的工作进行总结，提出今后的研究方向。 4 2i d s s 、c b r 与t c b r 2 1 引言 智能决策支持系统( i n t e l l i g e n td e c i s i o ns u p p o r ts y s t e m s ，i d s s ) 是决策支持系 统( d e c i s i o ns u p p o r ts y s t e m s , d s s ) 与人工智能( a r t i f i c i a li n t e l l i g e n c e ，a i ) 相结合的 产物，它将人工智能中的知识表示与处理思想引入到d s s ，其独特的研究方法和 广泛的发展前途使之一出现就成为决策支持技术的研究热点。 近年来，基于案例推理( c a s e b a s e dr e a s o n i n g ，c a r ) 从一个新兴研究领域发展 成为智能决策支持系统的一个重要研究方向。尽管c b r 在原理上并不复杂，也已 经成功地应用在工程问题的解决中，但其对于大量案例以纯文本形式存在的领域， 案例难以按照传统c b r 方法的要求进行属性的抽象，案例的结构化存储成为构建 系统的瓶颈。近年来，有学者提出c b r 方法的一个分支，基于文本案例的推理 ( t e x t u r a lc a s e - b a s e dr e a s o m n 参t c b r ) 来解决有大量文本案例存在的决策支持问 题。本章将对i d s s 、c b r 以及t c b r 进行介绍及讨论，重点分析t c b r 与传统 c b r 相比的优势以及作为c b r 方法的一个分支的研究状况及发展方向。 2 2 决策支持系统 2 2 1决策问题与i d s s 决策过程是人们为实现一定目标而制定行动方案，并准备组织实施的活动过 程，它是一个针对具体领域的问题提出、问题分析和问题解决的过程。一般的决 策过程模型如图2 1 所示。图中的“环境 包括客观物质世界，也包括与决策者密 切相关的社会系统。这个一般模型表明，人类的决策行动包括确定目标、方案设 计、方案评价和方案实施四个阶段，其中前三个阶段通常作为决策科学的研究内 容。 5 图2 - 1 决策过程的一般模型 f i g 2 1 g e n e r a lm o d e lo f d e c i s i o np r o c e s s 决策者进行决策时，一方面必须认识环境，了解相关领域信息，如社会系统 的相关政策、价值观、决策机制等。另一方面在决策的各个阶段会受到环境的制 约，如决策问题的目标确定可能受到环境中较高层次目标的约束，方案设计也会 受到现实可行性的制约等1 1 1 根据不同领域的问题结构化程度，可把决策问题分为结构化、半结构化( 不 良结构) 和非结构化决策问题三种。结构化程度是指对某个决策问题的决策过程、 决策环境和规律，能用明确的语言给予说明或描述的清晰程度及准确程度。这种 明确的语言可以是形式化的或非形式化的，定量的或定性的，数学的或逻辑的【3 】。 1 ) 结构化决策问题 结构化决策问题相对比较简单、直接，其决策过程和决策方法有固定的规律 可以遵循，能用明确的语言和模型加以描述，并可依据一定的通用模型和决策规 则实现其决策过程的基本自动化。早期的多数管理信息系统，能够求解这类问题， 例如，应用运筹学方法等求解资源优化问题。 2 ) 非结构化决策问题 非结构化决策问题是指那些决策过程复杂，其决策过程和决策方法没有固定 的规律可以遵循，没有固定的决策规则和通用模型可依，决策者的主观行为( 学识、 经验、直觉、判断力、洞察力、个人偏好和决策风格等) 对各阶段的决策效果有相 当影响。往往是决策者根据掌握的情况和数据临时做出决定。 3 | ) 半结构化决策问题 半结构化决策问题介于上述两者之间，其决策过程和决策方法有一定规律可 以遵循，但又不能完全确定，即有所了解但不全面，有所分析但不确切，有所估 计但不确定。这样的决策问题一般可适当建立模型，但无法确定最优方案【3 】。 在以上三种决策问题中，半结构化及非结构化决策问题的解决主要依赖于决 策者经验的分析与判断，因此所选择的解决方案往往因人而异。i d s s 的目标就是 6 要利用人工智能技术，在人的分析与判断能力的基础之上借助计算机与科学方法 支持决策者对半结构化和非结构化问题进行科学的决策。i d s s 中所采用的人工智 能技术主要分为专家系统( e x p e r ts y s t e m ，e s ) 及人工神经网络( a r t i f i c i a ln e u r a l n e t w o r k , a n n ) 两种。其中专家系统是以计算机为工具，利用专家知识及知识推理 等技术来理解与求解问题的知识系统。在结构上增设了知识库、推理机与问题处 理系统，人机对话部分还加入了自然语言处理功能。本文所采用的t c b r 技术， 是专家系统中c b r 方法的一个研究方向。由于t c b r 技术对半结构化及非结构化 问题具有突出的处理能力，因此本文采用t c b r 作为i d s s 的智能处理技术。 2 2 2i d s s 的设计框架 决 策 问 题 i d s s 的设计框架，如图2 - 2 所示。 钎t i t 方法分析与 l 计h 决策方法 经验表达与学习方 法 决策方案评价方法 图2 2 i d s s 的设计框架 f i g 2 - 2 d e s i g nf r a m e w o r ko fi d s s i d s s 设计主要分为四个主要步骤：“问题分析与表达 、“方法分析与设计一、 “系统分析与规划”、“系统设计”翻： 1 ) 问题分析与表达 主要对决策问题进行分析，确定决策问题的输入和输出。了解决策支持系统 的用户群体并进行分类，同时对决策问题进行形式化或非形式化的描述。 2 ) 方法分析与设计 依据决策问题的性质分析并确定适宜的决策方法。然后对系统学习方法、知 识表达方法进行分析与设计，如采用基于机器学习方法、基于神经网络方法、基 于c b r 方法、基于归纳学习方法、基于粗糙集方法等等，对于所采用方法要进行 模型分析与设计，最后确定决策方案的评价方法。以c b r 方法为例，首先要分析 7 决策支持系统 ：一-：-t： 折分 一与 一，n 分聃 一折0一 拇能 一汾，一 络功 一滋 一 一一 | | 划一 jfi! - l 折达 一号 一、吣 分捉 一析0一 翌筻 幻川 一曩 一 麓翔 一目 一 并确定案例表达机制，然后设计案例索引和案例推理方法，进而建立案例适应标 准、案例保留方法，最后确定推理系统的测试及验证方法等。 3 ) 系统分析与规划 系统分析与规划主要基于所采用的决策方法对系统的结构进行分析，确定系 统各组成部件及部件间关系，然后对系统各部件的功能进行规划，确立各部件的 运行机制及相互协调机制，并分析解决系统各部件间的接u 问题。 4 ) 系统设计 首先对系统的数据存储部分进行设计，包括对可能采用的数据仓库、数据库、 知识库、模型库、以及其它数据存储方式进行设计。确保系统能够提供安全高效 的数据源。同时要对实现系统功能的主要程序算法以及系统界面进行设计。 2 2 3i d s s 一般系统结构 智能决策支持系统的一般体系结构如图2 3 所示，主要由对话子系统、问题求 解子系统、数据子系统、模型子系统、知识子系统和学习子系统等组成 2 1 。 图2 - 3 智能决策支持系统的一般系统结构 f i g 2 3 g e n e r a ls y s t e ms t r u c l u r eo fi n t e l l i g e n td e c i s i o ns u p p o r ts y s t e m 1 ) 对话子系统 3 对话子系统是智能决策支持系统的人机接口界面，通过与决策者的交互展开 决策问题的求解过程，并向决策者提供各种信息。对话子系统为用户提供信息收 集、问题识别、模型构建、模型改进、模型分析和计算等功能，使决策者能够依 据个人经验，利用i d s s 的各种支持功能，去学习、分析并最终选择最优决策方案。 2 ) 问题求解子系统 问题求解子系统由问题接收器、问题求解器、分析评价模块、管理模块等构 成。问题接收器获取输入问题的正确表达，为问题求解提供恰当的特征模式。问 题求解器封装相应求解方法，也为分析评价提供合理策略。分析评价模块对决策 过程的合理性、决策方案的有效性进行分析评价，为对话系统提供决策结果、推 荐内容及相应的系统信息和领域信息。 3 ) 数据管理子系统 管理者的决策活动离不开正确有效的系统数据，它是减少系统决策不确定性 的根本所在，是保证推理和决策有效性的关键。数据管理子系统包括数据库和数 据库管理系统，功能涵盖对数据的处理、存储、检索及维护等。数据管理子系统 能从来自多种渠道的各类信息资源中析取数据，转换成i d s s 内部要求的各种数据i 为决策支持提供数据源。 4 ) 模型子系统 模型子系统是智能决策支持系统的核心部分，也是i d s s 构建的难点，这个特 性是由决策问题的广泛性、决策模式的多样性和决策过程的复杂性所确定的。模 型子系统应能灵活地完成模型的存储和管理，实现对各类决策的辅助支持。 5 ) 知识库子系统 知识库子系统主要包含一个综合性的知识库，当中存储问题领域的通用知识 及专用知识，也包括多属性知识库( 事实、规则库) 、知识库管理系统和推理部件 等，它是i d s s 解决用户问题的智囊。 6 ) 学习子系统 学习子系统主要基于系统领域知识和用户对话、分析的结果，对问题求解过 程进行归纳学习，生成新的模型操纵知识，更新原有模型操纵知识或对问题求解 策略和知识系统进行修正和完善，从而实现学习的功能。 2 3c b r 概念及基本原理 在i d s s 的e s 部件中，传统的基于规则的方法通过应用归纳规则逐步得出最 终决策结果。尽管这些系统已成功地应用到许多领域，但其始终在知识获取和系 统实施中遇到一些难以解决的问题。受到人类记忆推理的启发，c b r 系统被作为 9 一种基于经验案例的系统被提出。 c b r 的基本思想是针对当前面对的问题，通过一些关键的特征属性的比对， 在案例库中去查找曾经成功解决过的相类似案例，对类似问题的解决方案经过一 系列的调整、修改，用于辅助解决当前问题【8 1 c b r 方法适合用于缺乏理论基础 的复杂领域，比基于规则的推理更加体现了人类在问题推理过程中的思维模式， 直观而且行之有效，知识获取也较为容易。c b r 方法的这些优点，可以有效解决 许多传统推理方法的固有缺点，尤其在决策支持、故障诊断、医学诊断、军事指 挥等应用领域内其特点更为显著，因此得到广泛的研究与应用【6 l 。 c b r 的原理如图2 _ 4 所示： 图2 - 4 传统c b r 原理图 f 皓2 - 4 t r a d i t i o n a lc b rt h e o r yd i a g r a m 其主要执行过程包括： 1 ) 提取案例库中跟问题描述最接近的一个或几个案例。 2 ) 重用这些案例中包含的信息和知识来解决问题。 3 ) 对案例的解决方案进行改编，以便它更能符合当前问题的描述。 4 ) 保存改编后的案例或新提出的案例，用于后续问题的解决。 c b r 系统的知识存储在案例库中，所有的知识均通过案例来表达。这些案例 表达了在特定问题和情况下，为达到推理目标而采取的一些特定解决方案以及方 案应用后的效果。当系统遇到一个新问题时，新的解决方案是通过检索系统中最 相关的经验案例，并将其解决方案改写以适应新情况的过程，且新问题及其解决 方案会作为新案例保存到系统中以丰富案例库，起到系统自学习的作用。 通常情况下，基于案例的推理非常适合没有很强的理论模型、领域知识不完 全但经验丰富的决策领域i s ，如城市公共设施突发事故处置。该类系统的功能取决 于它所应用的领域和系统中已经存在的案例的性能，系统的有效性则取决于案例 表示、案例检索、案例修正、案例学习与维护等方面的性能。 2 3 1 案例的表示 如何表示案例知识是建造一个基于案例推理的系统首要考虑的问题。采用适 当的案例表示方法直接影响到后期案例的存储结构、索引方式，以及推理算法。 案例知识的表示就是对案例的一种描述，是一种可被计算机接受的用于描述 l o 知识的数据结构。当前，学者们已经提出了多种案例表示方法供选择，如一阶谓 词逻辑表示、关系数据库、产生式规则、x m l 文件1 1 4 】、面向对象表示、语义网、 框架结构、神经网络、原型表示、状态图等。这些表示方法各自适用于表示某种 类型的知识，从而被用于不同的应用领域。具体选择的表示方法应能充分表示领 域知识、有利于对知识的利用、便于知识的组织与维护、便于理解和实现。 2 3 2相似性度量 相似性度量把当前问题的现象描述与案例库中的案例相比较，如果二者是相 似的，则认为当前问题的求解方案和案例库中案例的求解方案是类似的。在传统 c b r 方法中，案例之间的相似性是根据属性之间的相似性来度量的。案例所具有 的属性对案例的本质起着决定作用，从案例整体情况描述中选择一部分特征属性 组成属性集。但在某些应用领域，大量的案例以纯文本的形式存在，并且难以抽 象出一个完整的属性集来描述所有的案例，这也是本文采用t c b r 方法的原因之 一a 2 3 3案例的检索 高效的案例搜索与匹配是案例推理成败的关键。案例检索过程是一个查找与 匹配的过程。 c b r 技术的强大来源于它能从其记忆库中迅速准确地检索相关案例，因而案 例的索引策略决定了案例推理的有效性1 9 】。一个案例的索引一般就是它的重要关键 字的集合。案例的索引提供案例库的索引机制，使得在案例的检索时能快速找到 符合要求的案例或案例集。 案例索引策略主要有三种：最近邻策略、归纳索引镱略、知识导引策略i l o 】。 最近邻策略根据案例中各组成部分的权值，求其权和，然后根据权和的远近来组 织案例：归纳索引法不断从案例中抽取最能将该案例与其他案例区别开来的成分， 根据这些成分将案例组织成为一个类似于判别网络的层次结构；知识导引法根据 目前已知知识来决定案例中哪些特征在进行案例的检索时是最有用的，并根据这 些特征来组织案例。 案例的检索就是利用索引，从案例库中检索一个或多个与目标案例最为相似 的案例。目前应用的检索策略主要有最近邻策略( n e a r e s t - n e i g h b o r a p p r o a c h ) 、归纳 检索策略( i n d u c t i v e a l g o r i t h m ) 、基于知识的策略( k n o w l e d g e b a s e d ) 、模板检索策略 ( m o d u l e r e t r i e v a l ) 、层次模型( t i e r - m o d e l ) 。 案例推理可以采用的搜索算法，目前用得比较成熟的是k 一最近邻算法、多 层前馈神经网络算法、模糊集、粗糙集i j 等。不同的算法有其适应的领域，如b p 网络适合用于高噪声数据、需要很长的训练时间的领域；k 一最近邻算法适合存储 样本不是特别大的领域，因为它需要存储所有样本。 2 3 4案例的修正 c b r 的基本思想是根据问题的属性从案例库中匹配最相似的案例，如果案例 属性与问题属性并不十分致，则采用案例调整技术寻求目标问题的解。调整后 的案例需要借助案例评价来判断系统给出的解决方案的质量，如果满意则可以付 诸实施，同时还可以借助案例学习技术来判断是否可以将其存入案例库中或者是 删除旧的案例。匹配出来的案例与实际问题通常并不完全一致，有必要进行调整。 早些年前，案例调整通常由人工来完成，现在，案例自动调整已经开始融入到案