基于内省学习的CBR检索策略

摘要：

检索是ＣＢＲ的关键步骤。该文将检索过程分为两步：首先由偏好驱动抽取特征，组成检索范例，并通过上下文约束，从源范例库中选定范例的初步匹配集，然后再从初步匹配集中挑选出最相似的范例集。由于常用的Ｋ－ＮＮ算法对权值的分配特别敏感，该文提出了一种基于内省学习的自动权值修改策略，明显加快了范例检索的速度，改善了范例推理性能。

关键词： 基于范例推理 范例检索 兴趣驱动 内省学习 权值

作者: 李莉 史忠植 张颖 李威

作者单位: 西南师范大学计算机科学系(重庆) 中科院智能开放实验室(北京)

会议类型: 国内会议

会议名称: 第五届中国人工智能联合学术会议

会议地点: 西安

会议语种:中文

页码: 119～126

在线出版日期: 1998-10-01（万方平台首次上网日期，不代表论文的发表时间）