O documento discute sistemas baseados em casos, incluindo: 1) o ciclo de funcionamento de um sistema RBC com aquisição, representação, indexação, recuperação, reutilização e retenção de casos; 2) métodos comuns de recuperação de casos como indução e vizinho mais próximo; 3) a importância da adaptação na reutilização de soluções de casos recuperados.

1. Sistemas Baseados em Casos
Inteligência Artificial I
Universidade Luterana do Brasil
Prof Fabiana Lorenzi

2. Raciocínio Baseado em Casos
“Abordagem da Inteligência Artificial que procura resolver
novos problemas com base nas soluções utilizadas
na resolução de problemas anteriores”
Janet Kolodner, 1993
2

3. Por que utilizar sistemas de RBC?
● Facilidade na aquisição de conhecimento;
● Reutilização do conhecimento (dados históricos);
● Aprendizado por retenção de casos.
3

4. Ciclo de funcionamento de um sistema RBC
4

5. 5

6. Criação da base de casos
● Aquisição do conhecimento
● Representação dos casos
● Indexação dos casos
Para que seja possível implementar um sistema de RBC é
preciso saber COMO representar um CASO.
6

7. Mas o que é um caso ?
● Um episódio vivido;
● Problema + solução
● + justificativa (às vezes)
7

8. Mas o que é um caso ?
● Casos é uma experiência = problema e solução
● Casos são armazenados na base de casos para futura
reutilização para resolver um novo problema:
Recuperar o caso mais parecido da base de casos
Adaptar (se necessário) a solução do caso recuperado para
o novo problema
Se sucesso: armazenar o novo caso na base
8

9. Exemplo
9

10. Como obter um caso?
● Através da etapa de Aquisição de Conhecimento;
● Esta etapa é considerada o gargalo do desenvolvimento de
sistemas baseados em conhecimento, mas é facilitada no
desenvolvimento de sistemas baseados em casos, pois é
mais fácil adquirir CASOS do que regras.
10

11. Exemplo: Helpdesk computadores
11

12. Indexação de casos
● Indexar a base de casos permitindo uma melhor recuperação
de casos (da mesma forma que um banco de dados
relacional);
● Os índices são utilizados da mesma forma que bancos de
dados relacionais;
● Devem endereçar as similaridades entre os casos;
● Devem saber previamente de que forma a informação será
recuperada na solução de diferentes problemas;
12

13. Indexação de casos
● A recuperação de casos depende de como os mesmos foram
indexados;
● Um índice pode ser um atributo, um predicado, uma
composição de atributos, etc;
● Boa compreensão do problema auxilia na escolha dos
índices.
13

14. Indexação de casos - exemplo
14

15. Indexação de casos - exemplo
15

16. 16

17. Recuperação de casos
● Etapa responsável por recuperar, na base de casos, o caso
mais parecido com o novo problema;
● Identifica e pesquisa índices, calcula a similaridade
entre o caso recuperado e o novo problema;
● A recuperação é baseada na similaridade entre o novo
problema e os casos da base;
● A similaridade é um conceito fundamental em sistemas de
RBC, pois dois problemas são similares se eles tem
soluções similares.
17

18. Métodos de Recuperação de casos
● Recuperação por indução → árvore de decisão;
● Algoritmo do vizinho mais próximo (Nearest Neighbor) →
similaridade entre o novo problema e os casos da base.
18

19. Indução (watson, 1997)
19

20. Indução (watson, 1997)
20
● Nesta técnica, a inteligência está na geração da árvore
de decisão;
● Algoritmos de indução (ID3, C4.5) são executados sobre as
bases de dados das empresas para a criação das árvores.

21. Árvore de decisão
21

22. Algoritmo do Vizinho mais Próximo
● Algoritmo Nearest Neighbor;
● Neste método é preciso definir atributos do caso com seus
respectivos pesos na solução do problema;
● Os valores dos atributos do novo problema são comparados
com os valores dos atributos de todos casos da base, na
busca do caso mais similar.
22

23. Algoritmo do Vizinho mais Próximo
● Definir os atributos;
● Definir pesos para os atributos;
● Calcular as distâncias entre o novo problema e os casos
da base;
● Apresentar os casos mais parecidos ao usuário.
23

24. Algoritmo do Vizinho mais Próximo
q: novo problema
c: caso da base
f: atributo do caso (c) e do novo problema (q).
w: peso do atributo f.
sim: função de similaridade.
24

25. Similaridade local
Valores numéricos: Distância Euclidiana entre os valores
do novo problema (q) e do caso (c);
Valores simbólicos: similaridade local.
Se qf = cf então sim = 1
Se qf <> cf diferente = 0
25

26. Tabela de Similaridade
26

27. 27

28. Reutilização de casos
● Reutiliza a solução associada ao caso recuperado no
contexto do novo problema;
● Identifica as diferenças entre o caso recuperado e o novo
problema;
● Identifica a parte do caso recuperado que pode ser
transferida ao novo problema.
28

29. 29

30. Adaptação de casos
● Adaptar a solução associada a um caso recuperado para as
necessidades do novo problema;
● Quando o caso recuperado não é perfeitamente igual ao
novo problema, existem diferenças que devem ser levadas
em conta;
● Compensar as diferenças entre o novo problema e o caso
recuperado para poder utilizar a solução no novo
problema;
30

31. Métodos de Adaptação de casos
● Adaptação transformacional: transforma a solução
recuperada em uma nova solução, satisfazendo o novo
problema com aplicação de conhecimento específico;
● Adaptação substitucional: faz a substituição de pequenos
detalhes da solução recuperada, em que a descrição do
caso recuperado é muito similar ao problema atual;
● Adaptação Nula (ou cópia): quando a solução é aplicada
direto no novo problema, sem modificações.
31

32. 32

33. Retenção de casos
● Representa Aprendizado;
● A solução é avaliada.. se ela foi adaptada, o caso
adaptado é inserido na base de casos como um novo caso;
● Decidir que informação deve ser armazenada como um novo
caso para futuras recuperações e integrar o novo caso à
base de casos.
33

34. Abordagens de RBC
RBC textual
Baseados em casos de texto livre;
Palavras ou frases são extraídas como índices;
RBC conversacional
Casos são representados como uma lista de questões
RBC estrutural
Criado um vocabulário comum (atributo-valor ou orientado
a objetos)
Todos casos são representados com base neste vocabulário.
34

35. Abordagem Textual
35

36. Abordagem Conversacional
36

37. Exemplo de Sistema de RBC Estrutural
37

38. Exemplo de Sistema de RBC Estrutural
38

39. 39

40. 40

41. referências
AAMODT, A & PLAZA, E. Case-based reasoning: foundational
issues, methodological variantions and systems approaches.
Em AI Communications, vol 7, Nr.1;
KOLODNER, J. Case-based reasoning. San Mateo, CA, USA,
Morgan Kaufmann, 1993.
WATSON, I. Applying Case-Based Reasoning: Techniques for
Enterprise Systems. Morgan Kaufmann Publishers Inc., 1997.
41