??? 摘??要： 分析了基于規(guī)則推理" title="規(guī)則推理">規(guī)則推理和案例推理" title="案例推理">案例推理的人工智能推理技術(shù)存在的一些問(wèn)題及推理過(guò)程,，提出了技術(shù)優(yōu)勢(shì)互補(bǔ)的集成推理方案,，設(shè)計(jì)了集成推理的系統(tǒng)結(jié)構(gòu)和工作流程，并引入到疫情預(yù)警" title="疫情預(yù)警">疫情預(yù)警信息系統(tǒng)中,對(duì)疫情案例的表示,、案例庫(kù)組織結(jié)構(gòu),、案例檢索、案例適配與系統(tǒng)學(xué)習(xí)等部分關(guān)鍵技術(shù)進(jìn)行了探討,，最后在湛江市城市公共衛(wèi)生" title="公共衛(wèi)生">公共衛(wèi)生疫情預(yù)警系統(tǒng)" title="預(yù)警系統(tǒng)">預(yù)警系統(tǒng)中得以驗(yàn)證,。
????關(guān)鍵詞： 疫情預(yù)警? 規(guī)則推理? 案例推理? 公共衛(wèi)生

?

??? 現(xiàn)實(shí)世界中存在的大量不確定因素(如自然災(zāi)害、恐怖事件,、交通事故,、疫情爆發(fā)等)引起的突發(fā)事件對(duì)人們正常的生活構(gòu)成了嚴(yán)重的威脅,，如2003年的SARS疫情危機(jī)和2004的高致病性禽流感H5N1疫情給我國(guó)的經(jīng)濟(jì)建設(shè),、社會(huì)穩(wěn)定造成了極大的損害。所以,，預(yù)警系統(tǒng)的建設(shè)得到各國(guó)政府組織的高度重視,，如日本常設(shè)了部一級(jí)的危機(jī)管理中心；印度專(zhuān)門(mén)設(shè)有危機(jī)管理小組,。我國(guó)針對(duì)地震,、臺(tái)風(fēng)、公共衛(wèi)生等已建立了應(yīng)急系統(tǒng),。這些系統(tǒng)大多數(shù)是基于規(guī)則推理RBR(Rule-Based Reasoning)的系統(tǒng),。這種模式存在知識(shí)獲取的“瓶頸”問(wèn)題，系統(tǒng)建立和維護(hù)困難,，不具有自動(dòng)的學(xué)習(xí)能力,，而且不能利用另一重要的知識(shí)資源——以往的成功經(jīng)驗(yàn)或典型案例數(shù)據(jù)。而基于案例推理CBR(Case-Based Reasoning)是一種類(lèi)比推理方法，它可以方便地利用過(guò)去的成功經(jīng)驗(yàn)或案例數(shù)據(jù)來(lái)求解與之相似的新的問(wèn)題,。對(duì)于很少或不能形成通用規(guī)則的問(wèn)題領(lǐng)域,，采用CBR最為有效。然而,，CBR雖然克服了RBR知識(shí)獲取的“瓶頸”問(wèn)題,，但CBR不適用于當(dāng)前存在的領(lǐng)域知識(shí)，并且決策過(guò)程有時(shí)顯得過(guò)于牽強(qiáng)(intuitively)^[1-2],。
　　本文將基于規(guī)則與基于案例集成推理技術(shù),、專(zhuān)家系統(tǒng)和數(shù)據(jù)挖掘等技術(shù)結(jié)合起來(lái)，構(gòu)造一套R(shí)BR與CBR集成的決策推理方案,，并應(yīng)用于公共衛(wèi)生疫情預(yù)警系統(tǒng)中,。利用兩種推理各自的推理優(yōu)勢(shì)，形成優(yōu)勢(shì)互補(bǔ)系統(tǒng),，消除了RBR和CBR結(jié)果之間的沖突,，提高了系統(tǒng)求解問(wèn)題的效率，增強(qiáng)了系統(tǒng)對(duì)不良結(jié)構(gòu)問(wèn)題的適應(yīng)性,，實(shí)現(xiàn)了經(jīng)驗(yàn)豐富領(lǐng)域的推理,。針對(duì)疫情爆發(fā)，建立一套科學(xué)高效的公共衛(wèi)生疫情預(yù)警系統(tǒng),，增強(qiáng)突發(fā)事件中實(shí)施疫情控制和醫(yī)療救治工作的快速反應(yīng)能力,，減輕突發(fā)公共衛(wèi)生事件對(duì)居民健康、生命安全造成的威脅和財(cái)產(chǎn)損失,，具有重要的經(jīng)濟(jì)價(jià)值和社會(huì)意義,。
1 基于案例與規(guī)則集成推理的技術(shù)概述
1.1 基于規(guī)則推理技術(shù)
??? ?RBR適合應(yīng)用于對(duì)領(lǐng)域有充分認(rèn)識(shí)，能以完備和健全的形式表示領(lǐng)域理論的場(chǎng)合,，它是一種鏈?zhǔn)酵评?，其?jiǎn)單的推理可能觸發(fā)多條規(guī)則^[3]。許多成功的專(zhuān)家系統(tǒng)都采用產(chǎn)生式系統(tǒng)的典型結(jié)構(gòu),，用產(chǎn)生式規(guī)則表達(dá)知識(shí),。通常，產(chǎn)生式系統(tǒng)由下面幾個(gè)基本部分組成:
????(1)事實(shí)庫(kù)(也稱(chēng)綜合數(shù)據(jù)庫(kù))：存儲(chǔ)有關(guān)問(wèn)題的狀態(tài),、性質(zhì)等事實(shí)的敘述性知識(shí),。
??? (2)規(guī)則集(或稱(chēng)“規(guī)則庫(kù)”)：存儲(chǔ)有關(guān)問(wèn)題的狀態(tài)轉(zhuǎn)移、性質(zhì)變化等規(guī)則的過(guò)程性知識(shí),，可描述成:IF條件THEN結(jié)論。條件可以是任意子句的邏輯組合,，結(jié)論可以是多個(gè)子結(jié)論或操作的組合,。
??? (3)控制器：根據(jù)有關(guān)問(wèn)題的控制性知識(shí)，選擇控制策略，將規(guī)則與事實(shí)進(jìn)行匹配,，控制利用知識(shí)推理求解問(wèn)題的過(guò)程,。
???? 產(chǎn)生式規(guī)則的優(yōu)點(diǎn)是知識(shí)表示自然、通用靈活,，易于模塊化和結(jié)構(gòu)化,，但這種模式存在知識(shí)獲取的“瓶頸”問(wèn)題。
1.2 基于案例推理技術(shù)
??? ?CBR是一種類(lèi)比推理方法,，它可以方便地利用過(guò)去的成功經(jīng)驗(yàn)或案例數(shù)據(jù)來(lái)求解與之相似的新問(wèn)題,。基于案例推理的系統(tǒng)設(shè)計(jì)技術(shù)可以被歸納為五個(gè)部分：案例檢索,、案例匹配,、案例修改、案例學(xué)習(xí)和案例維護(hù),?；窘忸}步驟如下：
??? (1)案例檢索：根據(jù)當(dāng)前的問(wèn)題通過(guò)一系列的搜索和相似度的計(jì)算，將案例庫(kù)中的案例過(guò)濾,，取出與目標(biāo)案例相似的若干案例組成相關(guān)案例集,。
　　(2)案例匹配：從檢索出的案例集中提取最佳案例，即從已檢索出的相關(guān)案例集中抽取特征最為相似的案例或案例片斷,，用相似度表征待解問(wèn)題和相關(guān)案例集中案例的相似程度,。根據(jù)相似度，判斷已經(jīng)存在的解決方案是否符合當(dāng)前問(wèn)題的求解需要,，以便調(diào)整案例集的解決方案,，從而獲得待解問(wèn)題的建議方案。
　　(3)案例修改：根據(jù)案例庫(kù)中已存案例與待解問(wèn)題之間的差異,，若用戶(hù)對(duì)系統(tǒng)給出的方案不滿意,，推理系統(tǒng)將就此方案進(jìn)行修改或重新設(shè)計(jì)后再提交給用戶(hù)。如果用戶(hù)認(rèn)為差異太大,，則求解過(guò)程終止,。
　　(4)案例學(xué)習(xí)：對(duì)當(dāng)前問(wèn)題的解進(jìn)行評(píng)價(jià)分析，若認(rèn)為求解結(jié)果有價(jià)值,，則將新解保存到案例庫(kù)中,，擴(kuò)充案例庫(kù)的案例種類(lèi)與數(shù)量，并進(jìn)一步地從新問(wèn)題的解中提取淺層規(guī)則知識(shí)或修改深層模型知識(shí),；否則,，重新匹配和修正。
　　(5)案例維護(hù)：求解方案經(jīng)過(guò)實(shí)際應(yīng)用后,，根據(jù)實(shí)際應(yīng)用效果和一定的策略,，分析新案例的經(jīng)驗(yàn)和知識(shí)是否有保留的價(jià)值,，若有則按一定的存儲(chǔ)策略將其納入案例庫(kù)中，實(shí)現(xiàn)案例庫(kù)的不斷更新,、完善,。
　　案例推理技術(shù)借鑒以往的經(jīng)驗(yàn)，更符合領(lǐng)域?qū)＜液驮O(shè)計(jì)人員的設(shè)計(jì)思維過(guò)程,。它也存在前面所講的優(yōu)缺點(diǎn),。

1.3 以CBR和RBR集成推理的系統(tǒng)結(jié)構(gòu)?
　? 由于CBR與RBR各有缺陷，它們無(wú)論是作為兩種推理方式還是作為知識(shí)表示方式都不能相互替代,。這是因?yàn)榘咐蠠o(wú)法充分表達(dá)編碼歸納后的規(guī)則,，案例中包含的分布廣泛的粗知識(shí)也極難或不可能提取歸納為規(guī)則。如果將CBR和RBR集成在一起,，就能夠克服兩種推理體系各自的缺點(diǎn),，增強(qiáng)系統(tǒng)的靈活性和綜合推理能力^[4]。CBR和RBR集成的最通用方式有二種：第一種是以RBR為主導(dǎo),，CBR后置補(bǔ)充的(RC)混合模型,；第二種是以CBR為前導(dǎo)，RBR后置補(bǔ)充的(CR)混合模型,。其他的組合方式都是以這兩種方式為基礎(chǔ)組成的,。
　　對(duì)于已經(jīng)在相關(guān)領(lǐng)域建立了較完善的RBR系統(tǒng)，由于對(duì)該領(lǐng)域知識(shí)的理解仍是很不充足的弱理論領(lǐng)域,，使用第一種方式有較好的效果,。而對(duì)于領(lǐng)域知識(shí)模型、案例和RBR系統(tǒng)己充分建立但還要求系統(tǒng)有很高實(shí)時(shí)性和效率的情況,，則宜采用第二種方式^[2],。在實(shí)際應(yīng)用中，應(yīng)該根據(jù)領(lǐng)域的不同特點(diǎn)和實(shí)際情況,，靈活地選擇不同的集成方式,。根據(jù)公共衛(wèi)生疫情的特征，本文選擇以CBR為前導(dǎo),，RBR后置補(bǔ)充的(CR)推理模式,，實(shí)現(xiàn)在豐富而精確的知識(shí)庫(kù)基礎(chǔ)上的高效推理。其集成推理的系統(tǒng)結(jié)構(gòu)如圖1所示,。圖中,，規(guī)則庫(kù)和案例庫(kù)共同構(gòu)成了專(zhuān)家系統(tǒng)的知識(shí)庫(kù)。

????????????????????????????
　　(1)人機(jī)交互界面：完成人機(jī)交互,、問(wèn)題表示,、結(jié)果顯示和和系統(tǒng)的總體控制，即分析用戶(hù)提交的問(wèn)題并加以分解綜合后轉(zhuǎn)化成系統(tǒng)可以理解的知識(shí)表示形式送至學(xué)習(xí)機(jī),。
　　(2)案例庫(kù)：是CBR的核心,。提供支持問(wèn)題求解的一組案例,，它是問(wèn)題求解經(jīng)驗(yàn)的集合。案例源的豐富程度是問(wèn)題求解的關(guān)鍵,。因此，必須利用豐富領(lǐng)域知識(shí)建立較為完善的案例庫(kù),。在組織案例庫(kù)時(shí)本文采用兩層結(jié)構(gòu),，第一層為典型案例庫(kù)，第二層為被分類(lèi)的子案例庫(kù),，且第二層中的每一個(gè)子案例庫(kù)對(duì)應(yīng)著典型案例庫(kù)中的一個(gè)典型案例,。這樣可有效提高案例檢索效率。
　　(3)規(guī)則庫(kù)：用于存儲(chǔ)領(lǐng)域?qū)＜艺J(rèn)可的各應(yīng)用領(lǐng)域的主要規(guī)則知識(shí)和技術(shù)指標(biāo),，是以規(guī)則的形式表示的,、正確的、能夠完全表達(dá)領(lǐng)域的知識(shí),，相當(dāng)于傳統(tǒng)產(chǎn)生式系統(tǒng)中的知識(shí)庫(kù),，是系統(tǒng)綜合數(shù)據(jù)庫(kù)的基礎(chǔ)。對(duì)問(wèn)題定義和案例適配提供背景知識(shí),，同時(shí)也提供查詢(xún)和咨詢(xún)服務(wù),。
　　(4)學(xué)習(xí)機(jī)：主要負(fù)責(zé)創(chuàng)建和維護(hù)案例庫(kù)，包括啟用解釋模塊調(diào)用RBR來(lái)完成由規(guī)則到案例的實(shí)際的推理過(guò)程,。
　　(5)推理機(jī)：根據(jù)問(wèn)題,，利用知識(shí)庫(kù)中的知識(shí)，用集成的CBR和RBR推理規(guī)則進(jìn)行推理,，求得問(wèn)題的解,。推理機(jī)是本系統(tǒng)的核心模塊之一。
1.4 以CBR和RBR集成推理的系統(tǒng)模塊協(xié)同工作過(guò)程
　　采用集成推理的系統(tǒng)各模塊協(xié)同工作過(guò)程如下：在推理時(shí),，通常把人們以往的經(jīng)驗(yàn)儲(chǔ)存成一個(gè)個(gè)案例形成的案例庫(kù),。當(dāng)新問(wèn)題出現(xiàn)時(shí)，通過(guò)搜索算法可直接在案例庫(kù)中搜索,，找到合適案例作為新問(wèn)題處理的參考,，即實(shí)案例重用；如果找到的案例不滿意或沒(méi)有結(jié)果,，此時(shí)就啟動(dòng)學(xué)習(xí)機(jī)內(nèi)部的解釋模塊到規(guī)則庫(kù)中檢索相關(guān)知識(shí),，得到基于規(guī)則推理的結(jié)果以備進(jìn)行間接匹配。若經(jīng)過(guò)修改后的案例間接匹配成功,，得到問(wèn)題的解,，經(jīng)過(guò)案例評(píng)價(jià)機(jī)構(gòu)評(píng)價(jià)后，認(rèn)為問(wèn)題的解有價(jià)值,，便可保存在案例庫(kù)中以備下次使用,，即實(shí)現(xiàn)了案例自學(xué)習(xí),。若在推理過(guò)程中有不止一個(gè)舊案例與新的輸入案例相匹配，此時(shí)還要啟用評(píng)價(jià)機(jī)構(gòu),，以便于對(duì)匹配情況做出裁決,，從中選出最佳匹配。案例集成推理的控制流程圖如圖2所示,。

?????????????????????????
2 基于CBR和RBR集成推理的公共衛(wèi)生疫情預(yù)警系統(tǒng)主要實(shí)現(xiàn)技術(shù)
2.1案例的表示
　　案例的表示過(guò)程即是將權(quán)威領(lǐng)域?qū)＜业闹R(shí)轉(zhuǎn)化為計(jì)算機(jī)系統(tǒng)可以識(shí)別的信息過(guò)程,。案例是知識(shí)表示的一種模式，它將專(zhuān)家的知識(shí)與經(jīng)驗(yàn)用描述案例的數(shù)據(jù)結(jié)構(gòu)和眾多的案例表示出來(lái),，實(shí)際上它就是專(zhuān)家求解問(wèn)題的一個(gè)具體例子^[2],。適當(dāng)?shù)闹R(shí)表示方法有助于提高在案例庫(kù)中檢索到與當(dāng)前欲求解問(wèn)題相似案例的精度和速度。本文采用面向?qū)ο蟮幕诳蚣芊ǖ闹R(shí)表示方法來(lái)表示疫情預(yù)警案例,，因?yàn)榭蚣芊ǖ闹R(shí)表示方法適合于將某特定時(shí)期的疫情預(yù)警指標(biāo),、行為知識(shí)和專(zhuān)家經(jīng)驗(yàn)等有機(jī)地結(jié)合起來(lái)。而且采用框架法的知識(shí)結(jié)構(gòu)描述方法,，將所搜集到的疫情案例存放到一系列相互關(guān)聯(lián)的數(shù)據(jù)庫(kù)中,，利用關(guān)系數(shù)據(jù)庫(kù)的索引技術(shù)，可以方便地建立案例索引,。借鑒相關(guān)參考文獻(xiàn)所建立的疫情預(yù)警案例結(jié)構(gòu)框架如表1所示,。

???????????????????????????????
2.2 案例庫(kù)的組織
　　對(duì)案例庫(kù)進(jìn)行組織索引是為了方便案例庫(kù)的檢索，因此如何組織案例庫(kù)取決于系統(tǒng)所采取的檢索策略,。如果在設(shè)計(jì)時(shí)不采取有效的檢索策略,，將直接影響案例檢索效率和系統(tǒng)響應(yīng)時(shí)間。本系統(tǒng)對(duì)案例庫(kù)組織時(shí)采用兩層結(jié)構(gòu),，第一層為典型案例庫(kù),，第二層為被分類(lèi)的子案例庫(kù)，且第二層中的每一個(gè)子案例庫(kù)對(duì)應(yīng)著典型案例庫(kù)中的一個(gè)典型案例,。具體地說(shuō),，首先對(duì)案例進(jìn)行分類(lèi)，每一類(lèi)組成一個(gè)較小的子案例庫(kù)并在其中選出一個(gè)典型案例,，作為對(duì)該類(lèi)案例的索引,，所有類(lèi)的典型案例構(gòu)成一個(gè)典型案例庫(kù)。檢索時(shí),，先在典型案例庫(kù)中找到最相近的典型案例(此步驟相當(dāng)于對(duì)新問(wèn)題進(jìn)行分類(lèi),，看它屬于哪一類(lèi)案例)，然后在最相似的典型案例所對(duì)應(yīng)的那類(lèi)案例中進(jìn)行進(jìn)一步的檢索,，案例庫(kù)的兩層結(jié)構(gòu)可以更方便地檢索案例,。
2.3 案例的檢索和匹配
　　案例檢索是指從案例庫(kù)中尋找與新問(wèn)題相似的案例的過(guò)程，案例的匹配檢索是實(shí)現(xiàn)案例推理的關(guān)鍵步驟,。查找以案例類(lèi)別為第一檢索條件,，以案例特征為第二檢索條件,，在案例庫(kù)中查找出可能與新問(wèn)題有關(guān)的舊案例，形成候選案例集合,，使以后匹配過(guò)程僅在候選案例集中進(jìn)行,。可提高案例檢索效率的常用檢索方法有：最近相鄰策略,、歸納推理策略,、知識(shí)引導(dǎo)策略和模板檢索策略^[2]，這些方法可以單獨(dú)或聯(lián)合地運(yùn)用,。本文檢索采用的策略為目前常用的最近相鄰策略[5]對(duì)案例進(jìn)行匹配。
2.4 案例適配
　　從檢索出的案例集中提取最佳案例,，即從已檢索出的相關(guān)案例集中抽取特征最為相似的案例或案例片斷,，用相似度表征待解問(wèn)題和相關(guān)案例集中案例的相似程度。根據(jù)相似度,，判斷已經(jīng)存在的解決方案是否符合當(dāng)前問(wèn)題的求解需要,，以便調(diào)整案例集的解決方案，從而獲得待解問(wèn)題的建議方案,。然而,，大多數(shù)情況因?yàn)橄到y(tǒng)知識(shí)不夠豐富，檢索到的案例并不能滿足問(wèn)題的求解,，這就需要學(xué)習(xí)機(jī)進(jìn)行學(xué)習(xí),。本系統(tǒng)采用轉(zhuǎn)換型的適配策略(transformational adaptation)和參數(shù)調(diào)整(parameter adjustment)適配技術(shù)。其基本思想是：比較檢索到的案例與新問(wèn)題所關(guān)心屬性的差異,，從而將解決方案適當(dāng)?shù)卣{(diào)整,。
2.5 集成推理系統(tǒng)自學(xué)習(xí)
　　集成推理系統(tǒng)的優(yōu)點(diǎn)在于其自學(xué)習(xí)的能力，即系統(tǒng)在運(yùn)行過(guò)程中能夠不斷地將新問(wèn)題及解決方案作為新的案例加入到案例庫(kù)中豐富系統(tǒng),。但如果這種行為不加以控制,，案例庫(kù)中的案例質(zhì)量就會(huì)下降；同時(shí)案例庫(kù)的規(guī)模就會(huì)膨脹,，降低系統(tǒng)的推理效率^[6],。故本系統(tǒng)采用相似度δ進(jìn)行評(píng)價(jià)控制：δ=(δ1t,δ2t,δ3t,…,δnt)式中，n為舊案例數(shù),δit為新案例與舊案例的相似度,。如果所有δit均小于某一設(shè)定閥門(mén)時(shí),，則認(rèn)為有價(jià)值，送入案例庫(kù),；否則,，被認(rèn)為是無(wú)價(jià)值案例，將該案例丟棄,。
3 基于CBR和RBR集成推理的公共衛(wèi)生疫情預(yù)警系統(tǒng)應(yīng)用
　　下面以湛江市城市公共衛(wèi)生預(yù)警系統(tǒng)為例闡述該系統(tǒng)的應(yīng)用,，案例和規(guī)則放在SQL數(shù)據(jù)庫(kù)中?，F(xiàn)在取其中疫情預(yù)測(cè)分析模塊為例，工作過(guò)程描述如下：
　　把在湛江市石頭村2005年7～11月各月份的鼠疫調(diào)查數(shù)據(jù),，如疫情地區(qū),、疫情名稱(chēng)、疫情癥狀,、起始時(shí)間,、發(fā)病人數(shù)等，經(jīng)過(guò)特征抽取轉(zhuǎn)換成機(jī)器可以識(shí)別的案例輸入系統(tǒng),，點(diǎn)擊預(yù)測(cè)按鈕,，可在2005年份7～11月各個(gè)月份的發(fā)病數(shù)基礎(chǔ)上進(jìn)行預(yù)測(cè)計(jì)算，便可得到鼠疫在2005年12月份的發(fā)病數(shù)預(yù)測(cè)值,。疫情預(yù)測(cè)分析界面圖如圖３所示,。

????????????????????
??? 此外,系統(tǒng)還可根據(jù)疫情的屬性與空間數(shù)據(jù)庫(kù)相關(guān)聯(lián)，實(shí)現(xiàn)疫情預(yù)警信息分布地圖呈現(xiàn)給用戶(hù),，并及時(shí)通報(bào)疫情信息,，做好應(yīng)對(duì)方案，可有效防止疫情的蔓延,。
　　目前國(guó)內(nèi)已建立起為數(shù)不多的公共衛(wèi)生疫情預(yù)警系統(tǒng),，多數(shù)是基于規(guī)則推理的系統(tǒng)，系統(tǒng)建立和維護(hù)困難,，并且不具有自學(xué)習(xí)能力,。本文將基于案例推理與基于規(guī)則推理的兩種技術(shù)相結(jié)合，研究出智能高效的公共衛(wèi)生疫情預(yù)警系統(tǒng),，這不僅使系統(tǒng)的建立和維護(hù)變得容易,，且提高了系統(tǒng)的運(yùn)行效率，呈現(xiàn)出更強(qiáng)的智能化特征,。提高對(duì)公共衛(wèi)生疫情的預(yù)防能力,、增強(qiáng)在疫情爆發(fā)中的組織搶險(xiǎn)和快速反應(yīng)能力以及推進(jìn)公共衛(wèi)生疫情預(yù)警系統(tǒng)的科學(xué)化和智能化具有重要意義。該系統(tǒng)已投入使用,，有一定的應(yīng)用推廣價(jià)值,。
參考文獻(xiàn)
[1]?YANG Hao, WEN Flu, ALAN Clin. Procase: A casedbased process planning system for machining of rotational
?parts[J]. Journal of Intelligent Manufacturing.1994,(5):441-430.
[2]?CSER L. Three kinds of case-based learning sheet rnanufacturin[J]. Computer in Industry,1991,(17):195-206.
[3]?蔡自興,徐光祐.人工智能及其應(yīng)用[M]. 北京：清華大學(xué)出版社，2003.
[4]?張建華,，劉仲英.案例推理和規(guī)則推理結(jié)合的緊急預(yù)案信息系統(tǒng)[J]. 同濟(jì)大學(xué)學(xué)報(bào),2002,30(7):890-894.
[5]?SCHAAF J W. Fish and shrink: A next step towards efficient case retrieval in large scaled case bases[A].
?Advances in Case-based Reasoning[C].Lausanne: Third?European Workshop, 1996：362-376.