（计算机软件与理论专业论文）clsms：法条驱动的cbr刑法定罪量刑系统.pdf

东北大学硕士学位论文摘要 c l s m s ：法条驱动的c b r 刑法定罪量刑系统 摘要 法律领域作为人工智能的传统应用领域已有了多年的研究历史，也出现了许 多成功的应用系统。但在我国这方面的研究和应用还相对较少。本文描述了一个 以基于事例推理( c a s e b a s e dr e o r a n g ，c b r ) 为主的专家系统，用于刑事犯罪审 判过程中的定罪与量刑推理，对人工智能在我国刑法领域的应用方面进行了一定 的探索。作为个实验性的原型系统，本文所述的刑法定罪量刑系统( c f i r n i n ml a w s e n t e i l c ea i l dm e a s u r es y s t e m ，c l s m s ) 是以n d i a l l a 大学的c b r 框架i u c b r f 为 工具开发的，系统用j a v a 实现。 为了避免对刑法及犯罪行为复杂的知识抽象与表示的困难，本文提出了以法 条为基础的犯罪事例表示和推理算法。为此提出了法条模糊集的概念，即以全部 法条的集合作为论域，以法条权值与法条符合度的乘积作为模糊集的隶属度。其 中法条权值表示该法条对定罪量刑的相对重要程度，由有经验的法律专家确定。 法条符合度表示一个具体的犯罪对该法条的符合程度，可以由司法人员根据经验 主观确定，或利用具有一定客观性的数学手段给出。将犯罪行为符合的法条模糊 集作为事例的基本属性，这样事例之间的相似度就可以用模糊集的贴近度来定义。 事例检索算法以最近相邻算法为主。事例的修改采取了基于规则推理( r u l e b a s e d r e a s o m n ni u r ) 与法条局部结论相结合的方式。 关键词：基于事例推理( c b 砌i u c b r f 刑法定罪量刑法条驱动模糊集 东北大学硕士学位论文 a b s l x a c t c l s m s ：as t a t u t e - d r i v e nc b r s y s t e mf o r c r i m i n a ll a ws e n t e n c ea n dm e a s u r e a b s tr a c t 趟a n dl a wi sac l a s s i cf i e l df o ra 1r e s e a r c hw i t hh i s t o r yo f m a n yy e a r s a n da l s o m a n ys u c c e s s f i da p p l i c a t i o n sh a v eo c c u r r e di nt h i sf i e l d ，b u ti nc h i n a , t h er e s e a r c ha n d a p p l i c a t i o no fa ii nl a wa r em u c hl e s s a se x p l o r a t i o no fa p p l i c a t i o no fa ii nl e g a l r e a s o n i n g , t h i sp a p e rp r e s e n t sac b r ( c a s e - b a s e dr e a s o n i n g ) s y s t e mf o rc r i m i n a ll a w s e n t e n c ea n dm e a s u r e b ea ne x p e r i m e n t a lp r o t o t y p a ls y s t e m ，c l s m s ( c r i m i n a ll a w s e n t e n c ea n dm e a s u r es y s t e m ) i sd e v e l o p e dw i ma i do fi u c b r ff t h ei n d i a n a u n i v e r s i t yc a s e - b a s e dr e a s o n i n gf r a m e w o r k ) ，w h i c hi sw r i t t e ni nj a v a t oa v o i dt h ed i f f i c u h i e so fk n o w l e d g ea b s t r a c t i o na n dr e p r e s e n t a t i o na b o u t e x t r e m e l yc o m p l e xc r i m i n a lb e h a v i o r s ，t h i sp a p e rp r o p o s e s s t a t u t e b a s e dc a s e r e p r e s e n t a t i o na n dr e a s o n i n ga l g o r i t h m f o rt h i sp u r p o s e ，t h ec o n c e p t i o ns t a t u t ef u z z y s e ti sg i v e n i tt a k e st h es e to fa l ls t a t u t e sa su n i v e r s e ，a n dt h ep r o d u c to fs t a t u t ew e i 【g h t a n ds t a t u t ea c c o r d a n c ed e g r e ea sm e m b e r s h i pd e g r e e t h es t a t u t ew e i g h t ，w h i c hi s d e t e r m i n e db ye x p e r t so fc r i m i n a ll a w , i n d i c a t e sr e l a t i v ei m p o r t a n c eo ft h a ts t a t u ef o r c r i m i n a ls e n t e n c ea n dm e a s u r e a n dt h es t a t u t ea c c o r d a n c ed e g r e e ，w h i c hi sd e t e r m i n e d b yj u d i c i a r i e so rb ys o m eam a t h e m a t i c a lm e t h o d ，i n d i c a t e st h ed e g r e et h a tac r i m e a c c o r d sw i t ht h es t a t u t e s o ，w i t hs t a t u t ef u z z ys e ta sb a s i cf e a t u r eo fac a s e ，t h e s i m i l a r i t yo fc a s e sc a nb ed e f m c da st h en e a r n e s sd e g r e eo ft h et w os t a t u ef u z z ys e t s c a s er e t r i e v a lo f t h i ss y s t e mm a i n l yu s e dk - n e a r e s t n e i g h b o ra l g o r i t h m c a s ea d a p t a t i o n c o m b i n e sr u l e b a s e dr e a s o n i n ga n dl o c a lc o n c l u s i o no f s t a t u e s k e y w o r d s ：c a s e b a s e dr e a s o n i n g ( c b r ) ，r j c b r f , c r i m i n a ll a ws e n t e n c ea n d m e a s u r e ，f u z z ys e t 东北大学硕士学位论文声明 独创性声明 本人声明所呈交的学位论文是在导师的指导下完成的。论文中取 得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或 撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确 的说明并表示谢意。 学位论文作者繇落款会 ( 1 日 期：z 吣今、f 、( 6 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学 位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的 复印件和磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学 位论文的全部或部分内容编入有关数据库进行检索、交流。 ( 如作者和导师同意网上交流，请在下方签名；否则视为不同意。) 导师签名：乏矛幺露 签字日期：瓜f ，厶 东北大学硕士学位论文第1 章引言 第1 章引言 1 1人工智能与专家系统 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 ) 是计算机科学、控制论、信息论、神经生 理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性新学科。其 诞生可追溯到5 0 年代中。1 9 5 6 年在美国d a r t m o u t h 大学举行的夏季学术讨论班上 人工智能这一术语第一次被正式使用，从而开创了人工智能的研究方向。人工智 能的研究目标是如何制造出人造的智能机器或智能系统，来模拟人类智能活动的 能力，以延伸人类智能。人工智能的主要应用领域有：专家系统，自然语言理解， 机器人学，数据库的智能检索，博弈，定理机器证明，自动程序设计，组合调度问题， 感知问题等等。 专家系统( e x p e r ts y s t e m ，e s ) 是当前人工智能最重要与最成熟的应用分支之 一。专家系统大量利用专业知识以解决只有专家才能解决的问题。1 。多数领域的问 题求解都非常重视该特定领域的专家知识。例如，某个医生的诊断很准确并不是 因为他与生俱来就掌握某种通用的问题求解技巧，而是因为他对医学非常了解并 拥有丰富的医疗经验( 实践知识) ；类似地，地质学家善于发现矿藏是因为他能够 将大量的理论和实验知识应用于现有的问题。专家知识融合了对问题的理论理解 以及大量被经验所证实的启发式问题求解规则。专家系统就是从人类专家那里获 取这些知识，然后将其按某种形式编码，使计算机可以应用这些知识来求解问题。 依赖人类专家的知识来建立系统的问题求解策略是专家系统的一个主要特征乜9 1 。 专家系统的设计具有以下一些特点 ( 1 ) 高性能。系统能以此领域里专家的同等或更高水平响应，也就是说系统所 给的建议的质量必须很高。 ( 2 ) 适当的响应时间。系统必须能在合理的时间内工作，此时间与专家得出一 个结论所需的时间相当或更短。 ( 3 ) 好的可靠性。专家系统必须可靠，且不易崩溃，否则就不能使用。 东北大学硕士学位论文 第1 章引言 ( 4 ) 可理解性。在执行过程中，系统能解释推理步骤，使之易于理解。它应该 具有解释能力，其解释的方式应与专家解释他们的推理的方式一样。 ( 5 ) 灵活性。专家系统有大量的知识，所以具有一个能增加、修改和删除知识 的高效机制是很重要的。 专家系统有很多优点嘲： ( 1 ) 适应性强。专家知识在任何计算机硬件上都是可用的。 ( 2 ) 成本低。提供给用户的专家知识成本非常低。 ( 3 ) 危险性低。专家系统可用于那些可能对人体有害的环境。 ( 4 ) 持久性。专家知识是持久的，不像专家那样会退休、死亡。 ( 5 ) 复合专家知识。复合专家知识可以做到任何时候同时和持续地解决某一问 题。由几个专家复合起来的知识，其水平可能会超过一个单独的专家。 ( 6 ) 可靠性强。专家系统也不会像人类专家那样会因疲劳或有压力而犯错误。 专家系统还可以协调多个专家的意见。 ( 7 ) 解释说明。专家系统能明确、详细地解释导出结论的推理过程。 ( 8 ) 响应快。迅速或实时的响应对某些应用来讲是必要的。某些突发情况需要 响应得比专家更迅速。 ( 9 ) 始终稳定、理智和完整地响应。在实时或突发的情况，专家可能由于压力 或疲劳不能高效的解决问题。， 专家系统已被应用到几乎每一个知识领域，其中有些被设计为研究工具，有 些则履行着重要的商业和工业功能。1 。自1 9 6 8 年费根鲍姆等人研制成功第一个专 家系统d e n d r a l 以来，专家系统技术已经获得了迅速的发展，并广泛应用于医疗诊 断、图像处理、地质勘探、实时监控、金融决策、计算机科学等众多领域。”。2 0 世纪7 0 年代，随着知识系统的广为接受，产生了许多成功的专家系统。这些系统 能够解释大量光谱图从而确定化学组成( d e n d r a l ) ，诊断疾病( m y c i n ) ，分析石 油( d 口m e t e r ) 和矿产( p r o s p e c t o r ) 的地质资料，配置计算机系统( x c o n r 1 ) 等等。作为人类信息处理的研究，在2 0 世纪5 0 年代开始的人工智能这分支已 通过现实世界应用的实践性程序发展到取得商业性的成功”1 。传统的专家系统按推 理方式可分为两类：基于规则的推理( r b r ) ，基于事例的推理( c b r ) 。近年来， 随着人工智能技术的发展及与其它学科、技术的结合，还出现了许多新一代专家 系统，例如模糊专家系统、神经网络专家系统、大型协同式专家系统等等o 。 2 东北大学硕士学位论文 第1 章引言 1 1 1 基于规则的专家系统 传统的专家系统使用基于规则的推理( r u l e b a s e dr e a s o n i n g ，r b r ) 机制。基于 规则推理的专家系统主要如下几部分组成： ( 1 ) 知识库。知识库存储以规则、事实形式表示的知识 ( 2 ) 工作内存。表示和存储问题的当前状态。 ( 3 ) 推理机。推理机实现推理过程，把知识库中的知识作用于工作内存，改变 其状态，试图推理出问题的解。 ( 4 ) 解释系统。 ( 5 ) 用户界面( u s e r i n t e r f a c e ，u i ) 。 ( 6 ) 知识库编辑器( k n o w l e d g ee d i t o r , k e ) a 它们的关系如图1 1 所示。 基于规则推理的主要困难在于：知识( 规则) 的获取是一个瓶颈；推理过程中 可能会出现搜索空间的组合爆炸问题。 用户 图i 1 基于规则的专家系统 f i g 1 1r u l e - b a s e de x p e r ts y s t e m 1 1 2 基于事例的专家系统 基于事例的推理( c a s e b a s e dr e a s o n i n g ，c b r ) 是一种相似推理方法，其核心思 想是用过去的事例和经验来解决当前的问题。它是在认知科学的基础上被提出的， 3 东北大学硕士学位论文第1 章引言 1 1 、1 基于规则的专家系统 传统的专家系统使用基于规则的推理( r u l e b a s e dr e a s o n i n g , r b r ) 机制。基于 规则推理的专家系统主要如下几部分组成： ( 1 ) 知识库。知识库存储以规则、事实形式表示的知识 ( 2 ) 工作内存。表示和存储问题的当前状态。 ( 3 ) 推理机。推理机实现推理过程，把知识库中的知识作用于工作内存，改变 其状态，试图推理出问题的解。 ( 4 ) 解释系统。 ( 5 ) 用户界面( u s e r i n t e r f a c e ，u i ) 。 ( 6 ) 知识库编辑器( k n o w l e d g ee d i t o r , k e ) 。 它们的关系如图l1 所示。 基于规则推理的主要困难在于：知识( 规则) 的获取是一个瓶颈；推理过程中 可能会出现搜索空间的组合爆炸问题。 用户 图1 1 基于规则的专家系统 f i gt 1r u l e b a s e de x p e r ts y s t e m 11 2 基于事例的专家系统 基于事例的推理( c a s e b a s e dr e a s o n i n g ，c b r ) 是一种相似推理方法，其核心思 想是用过去的事例和经验来解决当前的问题。它是在认知科学的基础上被提出的， 想是用过去的事例和经验来解决当前的问题。它是在认知科学的基础上被提出的， 3 东北大学硕士学位论文 第1 章引言 借鉴了人类的运用经验解决问题的模式”1 。与传统的试图在问题与结论之间建立一 般性联系的a j 方法不同的是，c b r 可以直接借用以往的经验，给出当前问题的解。 c b r 推理的知识单元是事例( c a s e ) ，它包含过去已经解决的问题的描述和相应的 解决方案，以及求解步骤或推理过程，它是过去经验的完整记忆。c b r 的基本推 理过程是，基于当前问题与已往事例的相似度进行检索，并根据需要对检索出的 事例进行修改。c b r 降低了知识获取的难度，不需要得出象规则那样准确和抽象 的知识，而是直接使用隐含着难以提取的规则的知识片断( 事例) 嘲。因此c b r 在一 定程度上解决了r b r 遇到的困难。 1 2 人工智能在法律领域中的应用 法律是人工智能的经典研究领域之一。该领域的研究至少已有3 0 年的历史。 它不仅作为a i 一个重要的应用领域，同时由于法律本质的特殊性与丰富性，它触 及了灿的非常核心的问题：表示、推理和学习，也为a j 的研究提供了许多挑战 性的课题m ，。 1 9 7 0 年s t a n f o r d 大学的b u c h a n a n 与h e a d r i c k 发表了题为“关于人工智能与 法律推理的一些思索( s o m es p e c u l a t i o na b o u ta r t i f i c i a li n t e l l i g e n c ea n dl e g a l r e a s o n i n g ) ”的文章，探讨了对法律研究和推理进行建模的可能性。当时他们就预 见性地指出了相似推理的重要性。8 0 年代，在基于r b r 的系统继续发展的同时， 研究者开始关注事例和相似推理c b r 。a n n eg a r d n e r 在文章中指出，r b r 与c b r 的分歧将是长期存在的。1 9 8 4 年，r i s s l a n d 和a s h l e y 首次报告了法律推理系统 h y p o ，它是a j 与法律领域第一个真正的c b r 系统。1 9 9 0 年，r i s s l a n d 和她的学 生d a v i ds k a l a k 开发了应用于美国税法领域的系统c a b a r e t ，第一个c b r r b r 混合推理系统。1 9 8 7 年，在美国b o s t o n 的n o r t h e a s t e r n u n i v e r s i t y 举行了第一次人 工智能与法律会议( i n t e m a t i o n a lc o n f e r e n c eo na ia n dl a w ，i c a i l ) ，这标志着灿 与法律的研究进入一个新的时代。此后该会议每两年举行一次，最近一次即第九 次i c a i l 于2 0 0 3 年在英国爱丁堡举行。在第二次i c a i l 之后，于1 9 9 1 年成立了 国际a j 与法律协会( i n t e r n a t i o n a la s s o c i a t i o nf o ra ia n dl a w ，i a a i l ) 。1 9 9 2 年， “a r t i f i c i a li n t e l l i g e n c ea n dl a w ”期刊第一次出版。 目前该领域主要关注( i c a 皿2 0 0 3 ) ： ( 1 ) 使用计算的方法进行法律推理和论证的研究 ( 2 ) 规范的形式化表示，规范化的行为，规范化系统和规范管理下的社会和多 4 东北大学硕士学位论文第1 章引言 智能体( m u l t i a g e n t ) 系统 ( 3 ) 以法律领域作为实例的高级信息技术的研究 ( 4 ) 支持法律领域任务的高级信息技术的应用 1 3 本文组织结构 本文的组织结构如下： 第一章：引言，概要介绍人工智能与专家系统的相关理论和人工智能在法律 领域的应用。 第二章：简要介绍模糊集理论，给出本文用到的相关概念。 第三章：介绍基于事例推理的基本原理、知识表示、推理过程；它与基于规 则推理的区别及其优缺点：以i u c b r f 为主介绍c b r 开发工具。 第四章：刑法定罪量刑系统的系统结构和实现。 第五章：实验结果、系统评价与改进。 5 东北大学硕士学位论文第2 章基于事例推理及其应用 第2 章基于事例推理及其应用 2 1 基于事例推理 基于事例的推理( c a s e b a s e dr e a s o n i n g ，c b r ) 是目前人工智能研究中 一种正在迅速发展的推理方法，自从7 0 年代末8 0 年代初兴起之后一直受 到人工智能研究者的高度重视姐“。认知科学是基于事例推理( c b r ) 的最初 来源，也是整个理论体系的逻辑起点。基于事例的推理和学习一即以前经 历的事例所积累的经验和知识会影响以后在相同或相似的问题上所作的 判断一是人类解决问题的一种常用方式，属于相似类比推理的一种。由 于c b r 和学习过程结合的非常紧密，所以有时也被认为是机器学习的一 个分支”1 。从认知科学角度讲，c b r 系统的构建基于两个前提假设聃1 ： ( 1 ) 相同或相似的情况有相同或相似的解法 ( 2 ) 相同或相似的情况会重复发生 c b r 的原理和人们日常解决问题的方法基本相同。当我们遇到一个不 熟悉的问题时，我们通常会回忆起以往成功的经验，并以之为参考作出新 的解决方案；如果该解决方案成功，则这次经验被作为成功经验记录下来； 否则作为失败的经验记录下来。c b r 求解与学习的方式与此类似。 基于事例推理为专家系统的设计提供了很多优势。一旦知识工程师找 到了合适的事例表示方法，那么接下来的知识获取过程就非常简单：只要 搜集并存储更多的事例即可。很多时候，可以通过历史记录或监视当前操 作来实现事例的获取，这大大节约了人类专家的时间。 基于事例推理起源于认知科学中记忆在人类推理活动中所扮演的角 色，1 9 7 7 年s c h a n k 和a b e l s o n 在这方面的工作被认为是c b r 的起源”“。 1 9 8 2 年，美国耶鲁大学的r o g e rs h a n k 在( ( d y n a m i c m e m o r y ) ) 一书中，首 次提出了c b r 理论的认知模型及框架”“。之后，k o l o d n e r 和她的学生以 此为基础，开发出了名为c y r u s 的第一个c b r 系统。1 。从此，c b r 理论 突破了认知科学的理论框架，开始走向人工智能领域的研究和应用。如今， c b r 已作为人工智能的主要推理技术之一。由于c b r 自身的特点，它在众 多的领域都得到了较为广泛的应用。从l9 8 7 年开始，国际上每年举行c b r - 6 查! ! 垄兰堡主兰竺垒查箜! 主奎兰型墨垩垦苎些望 国际会议( i c c b r ) ，先后在通用问题求解、法律、医疗、工程、设计及商 业等领域证明了c b r 方法的有效性和实用性”。 2 1 。1 知识表示 知识表示与获取是a i 研究的一大难点。传统的知识表示方式多种多 样，各有特色，也各有局限。比较重要的知识表示方式有：命题n 词符 号，产生式规则，框架，语义网，面向对象的知识表示等等”“3 “。近年发 展迅速的神经网络也可以认为是知识表示方式的一种。 与规则、语义网等传统的知识表示方式不同，基于事例推理中的知识 是用事例表示的。它是一种“隐性”的知识表示，而不是像规则等方式表 达的是“显性”知识。它表示的是经验( 实践) 知识，而不是严密的理论知 识。事例表达了某种规律性，但它没有明显地指出到底是何种规律，知识 隐含在它所描述的事实和推理过程之中。事例所表示的知识与具体问题领 域联系紧密，并且具有可操作性的特点。这些知识对于解决该领域将来可 能遇到的问题具有潜在的有用性。 在事例的具体表示方法上，各种各样的知识表示方法都可以应用于事 例的表示：语义网，框架，谓词符号，面向对象等等“。随具体系统和应 用领域的不同，开发者可以根据需要选择最合适的事例表示方式。本文主 要采取面向对象的知识表示。 2 1 2 面向对象的知识表示 客观世界中的问题都是由客观世界的事物及事物之间的相互关系构 成的”。从面向对象的角度来看，人们在认识问题和分析问题时，可以把 问题分解为一些对象( o b j e c t ) 以及对象之间的组合和联系。面向对象中的 主要概念有对象、消息、方法、类和类层次。 ( 1 ) 对象、消息和方法：从广义上讲，所谓“对象”是指客观世界中 的任何事物，即任何事物都可以在一定前提下被作为认识的对象。从问题 求解角度来讲，对象是与问题领域有关的客观事物。由于客观事物都具有 其自然属性及行为，因此，当把与问题有关的属性及行为抽取出来加以研 究时，相应客观事物就在这些属性与行为的背景下成为所关心的对象。 在面向对象的知识系统中，一个对象具有的知识组成了该对象的静态 属性，一个对象所具有的知识处理和各种操作描述了该对象的智能行为。 1 东北大学硕士学位论文第2 章基于事例推理反其应用 按照面向对象方法学的观点，一个对象的形式定义可以用如下四元组表 示： ：= ( i n ，d s ，m s ，m i ) 也就是说，个完整的对象由该对象的标识符i d 、数据结构d s 、方法集 合m s 和消息接口m i 组成。对象的标识符i d ( i d e n t i f i e r ) 又称对象名，用 以标识一个特定的对象。对象的数据结构d s ( d a t as t r u c t u r e ) 描述了对象当 前的内部状态或具有的静态属性，常用一组 表示。对象 的方法集合m s ( m e t h o ds e t ) 用以说明对象具有的内部处理方法或操作。操 作分为两类，一类用以对内部数据进行操作，从而改变对象的当前状态； 另一类用于产生对外的输出。对象的消息接口m i ( m e s s a g e i n t e r f a c e ) 是对 象接收外部信息和驱动内部有关操作的对外接口。这里的外部信息称为消 息。消息接口以消息模式集的形式给出，每一消息模式有一个消息名，通 常还包含必要的参数集。当接收者从它的消息接口受理发送者的某一消息 时，首先要判断该消息属于哪一消息模式，并找出与消息模式相联系的内 部操作，然后执行内部操作，进行相应的消息处理或产生向外的输出消息。 ( 2 ) 类和类层次：类( c l a s s ) 在概念上是一种抽象机制，它是对一组相 似对象的抽象。具体地说，在一组相似的对象中，会有一些相同的特征( 包 含部分相同的数据和操作) ，为了避免相同数据和操作的重复描述及存储， 就把共同的部分抽取出来构成一个类。一个类的上层可以有超类 ( s u p e r c l a s s ) ，下层可以有子类( s u b c l a s s ) ，从而形成一种层次结构，称为 类层次。超类和子类同样是类，它们可以建立各自的实例。类层次的一个 重要特性是继承性，即一个类可以继承其超类的全部描述，且这种继承具 有传递性，从而，一个类可以继承层次结构中在其之上的所有类的全部描 述。因此，属于某个类的对象除了直接具有该类所描述的特性外，还通过 继承具有该类上层所有类描述的全部特性。 下面给出用面向对象方法表示知识的一种描述形式 c l a s s ： s t r u c t u r e 8 东北大学硕士学位论文 第2 章基于事例推理及其应用 m e t h o d r e s t r a i n t e n d 其中，c l a s s 是类描述的开始标志， 是该类的名字，它是系统中该 类的唯一标识。 是可选的，当该类有父类时，用它指出父类的名 字。 是一组变量名构成的序列，该类中所有对象都共事这些变 量，对该类对象来说，这些变量是它们的全局变量。s t r u c t u r e 后面的 用于描述该类对象的数据结构。m e t h o d 后面的 用于定义该类对象可施行的各种操作。r e s t r a i n t 后面的 指出该类对象所应满足的限制条件，可用包含类变量的谓词或其 他形式的条件表达式表示。若没有限制条件，则表示没有限制。 面向对象表示方法作为人类认识自然和世界的一种新颖的方法与传 统的表示方法具有很大的差别，它具有以下特点。 ( 1 ) 封装性：对象就是被封装的数据和操作。每个对象的内部状态不 允许其它对象直接引用和修改。对象的内部状态和方法对外界是隐蔽的。 一个对象的外部特性只由对象的所有消息模式及相应于每个消息模式的 处理功能来定义。面向对象表示的封装性使得用户只需知道对象的外部特 性而无需了解其内部细节就可以使用它。 ( 2 ) 模块性：显式地把对象的外部定义和对象的内部实现分开是面向 对象表示的一大特色，这种现象的封装性就是模块性。公开模块的外部定 义和隐藏模块的内部实现，使面向对象的软件系统便于维护和修改。 ( 3 ) 继承性：面向对象表示的继承性使子类可继承其父类的数据和操 作，从而可以把每个子类拥有的数据和操作分为两部分，一部分是从父类 继承过来的共享数据和操作，另一部分是子类自己私有的数据和操作。 在面向对象的程序设计中，程序设计就是定义对象并建立对象间的通 信关系，类是系统的基本构件。如果开发设计的面向对象系统的功能需求 发生变化，通常较少波及到对象类的设计与实现，更多的是影响到它们的 组装形式，因此，实现的系统基本构件无需修改或少量修改后仍可使用， 从而可采用快速原型法构造系统，以及对系统进行优化和增量开发。 9 - 东北大学硕士学位论丈第2 章基于事例推理及其应用 2 ，1 3 事例的构成 一般来说，c b r 系统中的事例( c a s e ) 具有三个基本组成部分“”： ( 1 ) 问题描述( p r o b l e m d e s c r i p t i o n ) 。问题描述部分一般包含如下信息： 求解问题所要达到的目标；约束条件；问题的属性( f e a t u r e ) 及其 各部分之间的关系。 ( 2 ) 解( s o l u t i o n ) 。解可能包含：问题的解本身；得到该解的推理步骤； 解的修改过程：其它对推理有用的信息。 ( 3 ) 结果( o u t c o m e ) 。应用上面的解所产生的结果。它是执行或应用前 面的解以后，所产生的输出或反馈，例如成功或失败，是否引起 其它问题等等。 有些系统中的事例也可能只具有前两个部分。 2 1 4 基于事例推理的基本过程 基于事例的推理过程主要由事例检索、事例匹配、事例修改、事例学 习等组成盯。其工作流程是这样的：对给定的新问题，从事例库中检索 与当前问题最相似的事例集合，根据这些事例的解找出近似解，然后对该 近似解进行必要的修改与调整，直到满足要求进行输出；构造新事例并加 入事例库。此过程可用图2 1 简单表示。推理过程的各个环节都围绕事例 进行的。 图2 1c b r 推理的基本流程 f i g 2 1p r o c e s so fc a s e b a s e dr e a s o n i n g 其中，最关键的就是检索匹配过程中对事例之间的相似度的计算。事 1 0 东北大学硕士学位论文第2 章基于事例推理及其应用 例相似度定义的好坏直接决定了推理的准确性。好的相似度定义应该能反 映问题的本质及问题求解的因果关系，和事实相符。一般是从事例的属性 入手，对属性进行定性( 对定性属性进行量化或模糊化处理) 或定量的比 较，并结合事例结构上的相似性，构造一个事例相似度表达式。 其次是检索算法。检索是人工智能中的一个基本问题，也是推理不可 分割的一部分，它直接关系到智能系统的性能和运行效率”们“。常用的检 索策略有：最近相邻策略，归纳推理策略，基于知识的策略，基于模板检 索的策略等。 k o l o d n e r 归纳了一系列可能的优先启发式原则来辅助事例的存储和检 索”。包括： ( 1 ) 目标指向优先。通过目标描述来组织事例。检索和当前情况具有 相同目标的事例。 ( 2 ) 突出特征优先。优先考虑匹配最主要特征或者匹配重要特征数最 多的事例。 ( 3 ) 指定优先。先寻找尽可能精确匹配的特征，然后再考虑更般的 特征。 ( 4 ) 频率优先。先检查匹配次数最多的事例。 ( 5 ) 最新性优先。优先使用最近使用过的事例。 ( 6 ) 易适应性优先。先使用最易于适应当前情况的事例。 检索到的事例多数都需要经过修改才能作为新问题的解使用。事例的 修改被公认为是c b r 中最具挑战性的问题，也是继事例检索后的又一个 热点，也称为事例的重用“。事例修改( c a s e a d a p t a t i o n ) 一直是c b r 中的 难点，其目的是修改源事例以得出适应新情况的结论。事例的修改目前没 有较通用的算法，一般采取基于规则的方式“。 具体做法有”。： ( 1 ) 不修改。这种策略适用于有复杂原因，但有简单结论的事例，如 在银行贷款中的应用。 ( 2 ) 参数调整。属于结构修改，比较源事例和目标事例的特定的参数， 在确定的调整方向上进行调整，实际上应用了领域中的一些规则。 ( 3 ) 重实例化。把旧问题的特征用新问题的特征重新实例化。 ( 4 ) 诱导重放。检索解决问题的方法和步骤，在新的问题中予以应用。 东北大学硕士学位论丈 第2 章基于事例推理及其应用 ( 5 ) 模型引导。采用因果关系模型来引导修改，如c a s e y 采用因果关 系的规则来指导修改。 2 1 5 事例库的更新与维护 c b r 系统中的事例存储于事例库( c a s eb a s e ，c a s el i b r a r y ) 中，或者 说，所有事例的集合作为一个整体就是事例库。事例库是系统进行推理的 知识基础。要保证事例库具有如下性质：足够的覆盖面，完整性，一致性， 可靠性，较高的检索效率。 覆盖面，即要求事例库中的事例能覆盖问题领域中的大多数问题，这 一点，一方面要求在建造初始事例库时要注意所选事例的典型性和足够的 数量，更重要的是在系统运行的过程中不断学习新的事例。 c b r 的最大优点之一就是推理过程与学习过程结合的非常紧密，推理 的结果可以直接经过学习( 学习是c b r 问题求解的一个很自然的副产品) 作为新的经验保存下来，用于以后的推理。随着系统使用时间的增长，经 验会越来越丰富，事例库的事例( 在一定范围内) 越来越多，系统解决问题 的能力越来越强，推理的准确率也会越来越高。这和人类的学习过程是类 似的。 随着系统的运行，事例库中的事例越来越多，在增加系统推理能力的 同时也会降低系统的检索效率，并可能会出现不完整或不一致的情况。为 了保证推理的正确性和效率，需要对事例库进行维护。包括：事例库规模 的控制，无用事例、冲突事例与冗余事例的检测与消除，事例库存储结构 上的优化，索引和关键词字典的调整等等。 2 2 基于事例推理的优缺点 与r b r 相比，c b r 突破了知识获取的瓶颈。它具有r b r 所不具有的 许多优点，同时也存在着一些不可避免的问题。所以，目前多数相关的应 用系统均采取c b r 和r b r 两者相结合的混合推理方式。 c b r 与r b r 求解的推理逻辑完全不同，它是一种类比推理，如图2 2 所示。由图可以看出，c b r 采用的是比较直接的推理方式。这种推理方式 避免了r b r 的规则( 知识) 获取的团难和基于深层知识的推理算法的复杂 性。如果经验足够丰富和有效的话，推理会非常高效。可是，这种推理方 12 东北大学硕士学位论文 第2 章基于事例推理及其应用 式的本质决定，它在求解的严密性和准确性上相对不足，高度依赖经验和 问题的“常规性”，对例外情况的处理不够好。另外，虽然解的修改是 在已有的近似解的基础上进行的，求解难度大大降低了，但仍难以完全避 免r b r 类似的困难。 r b r 的推理逻辑 c b r 的推理逻辑 图2 2c b r 与r b r 的推理逻辑比较 f i g 22c o m p a r i n gb e t w e e nr e a s o n i n gl o g i co fc b r a n dr b r 和基于规则推理相比，基于事例推理有许多优点： ( 1 ) 问题的唯一精确表示是其本身，事例能比一组规则提供更多的信 息。这是因为人认识的主观性和有限性，从大量事例归纳出来的 规则只是取出了事例的共同本质。 ( 2 ) 事例推理是一种增量式学习方法，随着事例的增加，事例库的覆 盖度逐渐提高；同时事例比规则容易获取，不需要完整的领域模 型。 ( 3 ) 直接复用过去的求解经验( 成功的和失败的) ，不需要完整的领域 模型，也不必像产生式推理那样从头开始，避免了匹配冲突和组 合爆炸问题，求解效率高。 ( 4 ) 事例推理是类比推理的子类，它具有类比推理的基本特点，它能 够充分发挥人的创造思维，对难以充分理解的领域作出假设和预 测，并指导人们避免重犯过去的错误。 ( 5 ) 从实现角度讲，事例推理能兼顾专家的偏好。 1 3 东北大学硕士学位论文第2 章基于事例推理及其应用 基于事例推理的缺点包括“： ( 1 ) 很多时候事例不能包含更深层的领域知识。这影响了解释功能， 而且在很多情况下可能造成错误应用事例，导致错误的或质量很 差的解。 ( 2 ) 庞大的事例库可能受到存储计算平衡等问题的困扰。 ( 3 ) 难以确定好的索引和匹配事例标准。 ( 4 ) 从宏观一点的角度看，c b r 存在的根本问题在于： ( 5 ) 没有严密的理论。尽管c b r 有认知科学和人工智能等一些相关的 支持，但依然没有严格意义上的理论。这也导致了诸如事例重用 很难有较通用的技术。 ( 6 ) 没有真正意义上的智能。目前的系统和技术，使得在实际的系统 运行中，一定要有人的参与才行，除了在事例检索上比较成熟外， 其他各个方面均需大力发展。 这些方面要解决的问题不仅仅是c b r 本身要解决的问题，有些涉及的 问题也是人工智能的一些瓶颈。随着认知科学和脑科学以及人工智能本身 的研究的深入和突破，这些问题也有望随之解决。 2 ，3 基于事例推理的应用 2 3 1 应用领域 由以上c b r 的特点可以看出，c b r 系统适用于以下情况“： ( 1 ) 专家头脑中的领域知识和规则数目庞大。 ( 2 ) 领域知识的规则不易提取。专家头脑中存在大量的隐性知识，而 正是这些隐性知识决定了专家的判断和决策。采用c b r 系统可以 直接援引专家头脑中有价值的经验教训来解决问题。 ( 3 ) 领域知识不完备，通常是非结构化和难以模型化的知识。 ( 4 ) 领域知识更新速度比较快。这时，采用增量式学习的c b r 系统， 既可避免先验知识的过时和残缺不全，又可避免陷入大量实例信 息无穷无尽的搜索。 ( 5 ) 在知识管理领域的应用。知识管理的一个特点是重视隐性知识的 重要作用。c b r 系统中的事例是相对完整的知识片断，包含了难 1 4 东北大学硕士学位论文 笫2 章基于事例推理及其应用 以提取的隐性知识。 ( 6 ) 在电子商务领域的应用，如客户关系管理、电子商务推荐系统等。 c b r 的应用范围非常广泛。现有文字报道的c b r 系统已有几百种。 在全世界，有成百上千的c b r 系统在实际应用领域发挥着重要的作用， 如法律诉讼、客户管理、电子商务、医疗诊断、机器组装、建筑设计、分 子生物学、机器人控制、医药、企业管理、地质勘测、石油开采、语音识 别等。c b r 系统甚至在创造性问题的求解上也取得了新的进展，例如 s a x e x 被用于辅助谱曲。 2 3 2 成功的应用系统举例 k o l o d n e r 于1 9 8 2 年开发的c y r u s 是第一个c b r 应用系统，它用来 进行外交旅行方面的推理。在美国d a r p a 计划的支持下开发出的r e m i n d 系统，推理任务包括预测、分类、错误分析、在线帮助等。c h e f 和j u l i a 用于创建菜谱。c a s e y 用于心脏病诊断1 。1 9 9 2 至1 9 9 9 年间，由欧盟资 助的两个c b r 研究计划i n r e c a ( i n d u c t i o na n dr e a s o n i n gf r o mc a s e s ) 和 i n r e c a i i 为c b r 的研究和应用做了很大贡献，产生了一大批成功的应用 系统，如：a c k n o s o f l 为波音7 3 7 开发的c f m 5 6 3 引擎故障检测系统；i m s 开发的森林风险评估系统；t e c ：i n n o 为s i e m e n s 开发的工业自动化知识管 理系统等等n ”。 国内近年也出现了c b r 技术在各个领域的很多应用。如蒋烁等人开 发的f c c b r 系统应用于西文图书分类“；李一军等人研究了c b r 在证 券投资决策支持方面的应用“；殷国富等在液压缸智能c a d 系统中使用 了c b r 的推理技术“：刘力丰等把基于事例的推理方法引入了电力工程 智能设计领域“；许志端、张金隆设计开发了基于c b r 的工程项目标书 综合评价决策支持系统”；杜等人在变电站故障诊断系统使用了 c b r r b r 混合的推理“；张华等研究设计了s a r s 医疗辅助诊断专家系 统s a r s e s 。 2 3 3 法律领域的c b r 系统 法律领域第一个真正的c b r 系统是h y p o ，用于商业机密法方面的推 理。k o l