CBR 之研究與應用

一、國外之 CBR 系統

過去幾年 CBR 已經被成功地應用於各個領域，如法律推理（e.g. Weber-Lee et al., 1997）、醫學診斷（e.g. Gierl, 1998；Wheeler et al., 1998）、建築設計（e.g. Borner, 1998；Maher, 1998）、諮詢服務（e.g. Shimazu & Takashima, 1997；Weber & Schult, 1998）、電子商務（e.g. Wilke et al., 1998）、規劃及配置（e.g. Bergmann et al., 1998）、教育（Schank & Cleary, 1994；Aluisio & Oliveira Jr.,1995）、軍事計劃（e.g.

The Navy Center for Applied Research in Artificial Intelligence, 1999）、以及複雜機 械系統的檢修（e.g. Deters, 1995；Goker & Birkhofer, 1995）等，並且被融入於許 多主流產品及應用。其中，CBR 的應用發展得最成熟的領域為諮詢服務系統

（Bartsch-Sporl et al., 1997）。

以下列表舉出歷年來國外在各領域所發展較知名的 CBR 系統及 CBR 骨架

（CBR-Shell）：

表二 國外 CBR 系統發展概況

系 統 名 稱 發展年代 研 究 者 應 用 領 域 CYRUS 1983 Janet Kolodner（美國）Episodic Memory MEDIATOR 1985 Simpson Dispute Resolution PLEXUS 1986 Adaptive Planning

JUDGE 1986 美國 Criminal Sentencing（Law）

SWALE 1986 美國 Case-Based Explanation CHEF 1986 Hammond（美國） Cooking

PROTOS 1986 Poter &Bareiss（美國）Knowledge Acquisition

（Medicine）

MBRTalk 1986 Pronunciation of Words

（續表二）

系 統 名 稱 發展年代 研 究 者 應 用 領 域 HYPO 1987 Ashley（美國） Patent Law

PERSUADER 1987 Sycara

CBD 1988 Machines

TA 1988 Programming

COACH 1988 Football Coach

JOHNNY 1988 Reading

REFINER 1988 Sharma & Sleeman

（蘇格蘭）

Knowledge Refinement

PRODIGY 1988 Planning

ROENTGN 1989 Medicine

CABARET 1989 Rissland & Skalak

CLAVIER 1989 Meak Lockheed The Battle Planner 1989 Goodman

CASEY 1989 Koton Heart Failure Diagnosis MEDIC 1989 Turner Medicine

IVY 1989 Medicine

PATDEX 1989 Richter（歐洲） Diagnosis CREEK 1989 Aamodt（歐洲） Diagnosis MOLTKE 1989 歐洲

KATE-CBR 1990 CBR-Shell Caplan/CbC 1991 歐洲

CCC+ 1991 Diagnosis

GREBE 1991 Branting Law PARIS 1991 歐洲

CADET 1991 Mechanical design

ESTEEM 1991 CBR-Shell

ReMind 1991 CBR-Shell

CBR-Express 1991 CBR-Shell

VMS 1992 Technical Support IULIAN 1992 Oehlmann Theory Revision INRECA 1992 歐洲 CBR-Shell INRECA-Ⅱ 1992 歐洲 CBR-Shell JULIA 1992 Hinrichs Cooking

CLAVIER 1992 Design Synthesis ARCHIE 1992 Architectural Design ARCHIE-Ⅱ 1992 Architectural Design TLA 1992 Mechanical Linkages CABARET 1990-92 Skalak（美國） Law

MODELER 1993 Model Formulation CBR 1993 Wastewater Treatment ADA（Architectural

Design Aid）

1995 John Hunt &Roger Miles

Architectural Design 資料來源：Aamodt, 1994；Watson, 1994；何楝國, 1997；Bergmann, 1998；

Dattani, ?。

二、CBR 工具發展現況

近幾年來隨著 CBR 研究與應用的蓬勃發展，CBR 工具的種類愈來愈多、功 能愈來愈強、介面也愈來愈親和。從早期的 DOS 介面發展到視窗介面，及至近 幾年愈來愈熱門的 WWW CBR（Java Tools at AID Research Group, 1999）、交談 式 CBR（Conversational Case-Based Reasoning, CCBR）（Aha et al., 1998；

Munoz-Avila & Hendler, 1998；The Navy Center for Applied Research in Artificial Intelligence, 1999）；從純文字介面到結合圖形介面（e.g. CBR-Works 4, 1999）；從 樹狀結構到物件導向系統（Java Tools at AID Research Group, 1999）；從單純的案 例擷取，到具有案例調適功能。CBR 工具已漸漸走出研究室，成為有發展潛力 的商業軟體。

Watson（ 1994、 1995） 比較 了 數 種 CBR 工具， 包 括 ART*Enterprise、

Casepower、Case-1、the Inference CBR2 family、Eclipse、ESTEEM、KATE、ReCall、

ReMind、以及 CBR-Works 等。此外，AI-CBR、CBR-Web、Case-Based Reasoning Repository 等網站都有關於 CBR 工具的介紹。

選擇適當的工具來建構 CBR 系統，必須考慮下列幾個因素（Byte Magazine, 1997）：

1. 作業平台的相容性：確認系統可以在企業/機關裡的所有電腦運作，有些 便宜的系統只能限定在某些平台運作。

2. 案例呈現方式：CBR 系統有許多不同的呈現案例的方式，例如網狀的、

包含許多變數的單一值、階層式的。分析案例的呈現方式有助於了解系 統如何運作以及是否易於維護。

3. 案例擷取：檢查系統是否有較複雜的擷取演算法，只擷取「最鄰近的案 例」可能是不夠的。

4. 是否有調適的功能：較便宜的系統通常沒有這項功能。

5. 使用介面的型態：這是關乎一個工具是否能被接受最重要的因素，有些 系統不提供圖形式使用者介面（GUI）。

三、CBR 發展應用現況

Bartsch-Sporl、Althoff 及 Meissonnier 在 1997 年採用問卷調查的方式，做了 一項全球性大規模的研究，調查現有的 CBR 系統，並討論可以從它們的發展及 使用中學習到什麼。蒐集到的資訊有助於確認 Aamodt 及 Plaza 於 1994 年所提出 的、需要再進一步研究發展的 CBR Cycle 裡的每個步驟（Bartsch-Sporl et al., 1997）。資料的蒐集方式是寄出兩個結構化問卷給 CBR 系統的開發者，共回收 50 份問卷。調查範圍包括 CBR 在各個不同領域的應用，結果發現諮詢服務系統

（Help-Desk Systems）是發展得最成熟的領域。此外，關於先進的規劃及設計支 援系統的 CBR 之研究，大部分都仍只是在實驗室裡操作，較少實際應用，還沒

被証明是否真的是個令人信服的高級尖端產品、是否實際可行、是否有投資利 潤。一般而言，分析性 CBR 系統與綜合性 CBR 系統相較而言，是較不複雜、較 例行性的工作，且通常有較多的使用者。

以下分項討論當今 CBR 系統發展狀況及課題：

(一)全球特性

回收的 50 份問卷共來自 14 個國家，其中德國 20 份、美國 7 份、英國 7 份。

顯示世界各國研究 CBR 的概況，以德、美、英的研究發展最為蓬勃。大部分（36/50）

的 CBR 系統是由大學或研究所發展出來的，其中 29 個系統仍處於研究雛型的階 段，只有少數幾個系統供規律地日常使用。

(二)案例

1.案例庫裡所包含的案例數量

大部分系統只擁有少量的案例，只有 7 個系統擁有 2,000 個以上的案例，沒 有一個系統的案例數超過 20,000 個。

2.每個案例所採用的屬性

一個典型的案例擁有 30~70 個屬性。屬性的類別分為符號化的、結構化的、

符號化的及數字的、數字的等四類，結果顯示大部分系統採用符號化的屬性，令 人吃驚的是，結構化的屬性佔很大的比例，而數字的屬性僅佔很少比例。此外，

只有 12 個系統使用清單（flat list），有 27 個系統使用較結構化的案例呈現方式。

3.只有「案例」是否足以解決問題

9 個系統開發者答「是」，29 個系統開發者表示除了案例外，系統裡還存有 一般知識。顯示系統開發者在建構複合的案例式及知識庫系統，而不只是發展純 粹的案例式系統，這和他們所遭遇到問題的複雜性有關。

(三)應用領域

調查結果顯示 CBR 常被用於其他方法無法解決或不適用的領域，各有 22 個系統用於分析性工作及綜合性工作，6 個系統用於其他工作。原先以為至少一 半的 CBR 系統用於分析性工作，包括分類、診斷、決策支援，但問卷調查結果 顯示並非如此，很多系統比原先預期的更有創造性、變化性，這可能是因為大部 分受訪者是在研究室的環境中工作。

(四)工具議題

調查結果顯示幾乎可以用任何一種程式語言來執行 CBR 系統，大部分系統 使用 Lisp、C 或 C++，而結合圖形介面的物件導向式語言比傳統的程式環境表現 得更好。

大部分的系統是在 UNIX 平台上執行，其次是個人電腦及麥金塔，僅 7 個系 統在數種平台上執行。顯示許多系統仍舊處於研究雛型，並非為更廣大的使用群 而設計。有幾個系統可直接在 WWW 上使用，這使得系統變得較容易被更大範 圍的使用者所接近、使用。

(五)研發系統所耗費的時間及精力

只有 1/3 的系統花費的建置時間少於 12 個月，大部分的系統花費 1~3 年的 時間，甚至有 3 個系統花費更長的時間。大部分系統建置所花費的人力少於每個 月 12 個人。自行發展工具（tool）的系統所需的研發時間不一定較長。研發所需 時間長短受到下列因素的影響：熟悉新工具所需的時間、致力於提供較好的使用 者介面所花費的精力、系統最終使用者是否是一大群人。

(六)系統最終使用者（end users）的數量

大部分系統的最終使用者不超過 12 人，2 個系統的最終使用者介於 13~100 人，2 個系統的最終使用者超過 100 人。顯示部分系統已經發展到可提供給較廣 大的族群使用。

(七)學到的教訓

1. 第一代 CBR 工具（例如 ReMind、ESTEEM）只能被用來建立最初的雛型，

而不能發展出最終的系統。

2. 有些系統開發者提到關於使用物件導向式語言及相對應的發展環境的美 好經驗。

3. 案例庫愈龐大，所使用的資料庫系統愈是重要。

4. 如何定義 CBR 系統的角色及範圍是很重要的一點，因為這影響到許多以 後繼之而來的設計決策。

5. 必須考慮將來是誰負責維修系統，並儘早讓他們參與系統的研發過程，尤 其是那些他們將來要接管處理的問題。

6. 必須注意對最終使用者的訓練，尤其是如果他們對軟體系統的使用不太熟 悉時。

7. 許多系統開發者都遇到一個相同的問題：案例的蒐集及模型的使用並不像 原來所想像的那麼簡單。特別是當必須藉助專家來蒐集案例、評估案例的 品質時，這可能要耗費相當多的時間。

8. 領域模型的使用是一個很重要的課題，它的成功與否直接影響到整個系統 是否能成功。同樣地，當採用傳統的相似性方法時，權重的選擇也直接影 響系統的成敗。

9. 在系統開發過程、甚至在系統的使用過程中，都必須考慮案例庫的再組織 及所使用到的一般知識的維護。

10. 對分類性或診斷性工作而言，相似性的觀念主要用於「評估找到正確（診 斷的）分類的機率」；對較複雜的決策支援工作及大部分綜合性工作而 言，相似性是指「案例被再使用的能力（reusability）或其調適能力

（adaptability）的評估」。兩者之間的差異必須被考慮，否則可能會導致 額外的努力、以及步驟不斷循環迭代（iteration），因為在系統剛開始發 展時，通常並不太清楚什麼是能調適得最好的案例、以及如何從案例庫 中把它們過濾出來。

11. 一個供日常使用的 CBR 系統必須多考慮以下兩點：(1)將 CBR 系統融入 使用者平時的工作環境中；(2)設計良好、且易於操作的使用者介面。對 使用者而言，他所想要的是一個能滿足需求、易於操作使用、易於更新 維護的系統。

(八)進一步研究的議題

1. 案例模型的演化（case model evolution）：CBR 系統的應用領域不斷地演 變，這帶來一個案例演化的問題，CBR 系統在使用上究竟有多重要。

2. 能自動精細調整的相似性矩陣：有些系統開發者對使用試誤法（trial and error）以改善相似性的功能有所抱怨。這個問題必須透過能夠學習及調 適屬性權重的方法來解決。

3. 能自動再組織的案例庫：對大型案例庫而言，這是個大議題，也是將會 持續發展的領域。

4. 支援維護混合型系統中所使用的一般知識：這個問題甚至比案例庫的再 組織更為困難。

5. 從案例庫裡學習一般知識：這個步驟允許從案例中摘錄出一般知識（例 如為了調適的目的）。這和在案例庫中進行資料採礦（data mining）的問

5. 從案例庫裡學習一般知識：這個步驟允許從案例中摘錄出一般知識（例 如為了調適的目的）。這和在案例庫中進行資料採礦（data mining）的問