1 / 65

Case- B ased Reasoning (CBR) - PowerPoint PPT Presentation

  • Uploaded on

Case- B ased Reasoning (CBR). Soongsil University, Seoul Intelligent Systems Lab. The Limitations of Rules. The success of rule-based expert systems is due to several factors: They can mimic some human problem-solving strategies

I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
Download Presentation

PowerPoint Slideshow about ' Case- B ased Reasoning (CBR)' - solomon-solis

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.

- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

Case-Based Reasoning (CBR)

Soongsil University, Seoul

Intelligent Systems Lab.

The limitations of rules
The Limitations of Rules

  • The success of rule-based expert systems is due to several factors:

    • They can mimic some human problem-solving strategies

    • Rules are a part of everyday life, so people can relate to them

  • However, a significant limitation is the knowledge elicitation bottleneck

    • Experts may be unable to articulate their expertise

      • Heuristic knowledge is particularly difficult

    • Experts may be too busy…

Another way we solve problems
Another Way We Solve Problems?

  • By remembering how we solved a similar problem in the past

  • This is Case Based Reasoning (CBR)

    • memory-basedproblem-solving

    • re-using past experiences

  • Experts often find it easier to relate stories about past cases than to formulate rules

코끼리의 문제해결능력

Elephants never forget
Elephants Never Forget!

  • Some biologists suggest that elephants’ success in harsh environments may be due to their memories.

  • A herd of elephants retains a collective memory of problems and their solutions:

    • E.g., they remember where water can usually be found during a drought.

  • Elephants can solve problems without using models or rules.

Case b ased reasoning cbr
Case-Based Reasoning (CBR)

  • Case-based reasoning은 귀납법 (Induction)과 유추 (Analogy)와 유사한 개념이다

    - 귀납법 (Induction)또는 귀납추론 (inductive reasoning)또는 귀납논리 (inductive logic)는, 주어진 전제 (premise) 를 바탕으로 결론을 추론하는 방법이다. 그 결론 (conclusion) 이 사실일 듯 하지만 사실이 아닐 수도 있다.

    - 유추 (analogy) 는 "A is to B as C is to what ?" 와 같은 형태를 가진다.


    손과 손바닥의 관계는 발과 무엇의 관계와 같나?

    (Hand is to palm as foot is to ____?)

    Analogy based reasoning = Case Based Reasoning

    전형적인 사례기반 접근 방식인 Case Based Reasoning 과 동의어로서 사용되곤 한다.

Case b ased reasoning cbr1
Case-Based Reasoning (CBR)

  • CBR은 유사한 과거 문제의 해결에 기초해서 새로운 문제를 해결하는 과정이다.

  • 예 1)

    자동차 정비사가 차를 수리할 때 유사한 증상을 보였던 자동차를 회상하여 (recall)해결을 시도하는 것은 Case-based reasoning 를 사용하고 있는 것이다.

  • 예 2)

    법적 판례(precedents)에 기초해서 재판에 임하는 변호사나 case law 를 창조하려는 판사는 Case-based reasoning 을 사용하고 있는 것이다.

    CBR에서는 반복되어 발생되는 자연적인 문제와 그 해답을 모방 혹은 복사하여 (생물모방, biomimicry) 자연의 문제을 해결하고자 하며, 이를 위하여 과거의 사례-그 해답을 DB로 구축하여 재사용한다.

Case b ased reasoning cbr2
Case-Based Reasoning (CBR)

  • CBR은 컴퓨터추론을 위한 강력한 방법으로, 일상의 인간의 문제해결에 널리 사용되는 하나의 행동이다.

  • 근거: 원형이론(prototype theory)-인지과학 (Cognitive Science)

    모든 추론 (Reasoning)은 과거에 경험한 것 또는 열심히 연습해서 받아 들여진 과거의 사례에 기초해서이루어진다.

Understanding CBR

The CBR-Cycle


A Short History of Case-Based Reasoning


Case-Based Reasoning Techniques


  • Case Representation

- Indexing

- Storage

  • Retrieval

  • Adaptation



The CBR-Cycle

Riesbeck and Schank, 1989

A case-based reasoner solves new problems by adapting solutions that were used to solve old problems.


해결 방법

Advise on the suitability of a person for a loan

과거의 대출경험과 새로운 대출 희망자를 비교

과거에 성공적으로 대출을 상환한 사람과 그렇지 못한 사람의 환경 비교

The CBR-Cycle

Mental process

Four REs

  • 이전 대출 기억을 조사하고 유사도 평가

가장 유사한 경우를REtrieve

  • 가장 유사한 대출로부터 해결책 추론

문제를 풀기 위하여 case를 REuse

  • 수년간의 환경 변화에 대한 조정과 승인

필요하다면 제안된 해결책을REvise

  • 대출을 해준 경우 다음의 사용을 위해 결과를 관찰하고 기록

새로운 해결책을 REtain

The CBR-Cycle











Case Representation

A case is a contextualized piece of knowledge representing an experience.

The state of the world when the case occurred

Problem description

Solution description

The derived solution to that problem

Case Representation

Problem 공간과 Solution 공간의 one-to-one mapping

  • Case에는 전형적인 database에 저장할 수 있는 대부분 유형의 데이터 저장 가능



  • 대부분의 database system에서 data의 검색 속도를 높이기 위해 사용

예) database에 있는 사람들에 대한 record의 family name

Case에서 2가지 유형의 정보

Indexed Information

검색을 위해 사용되는 정보

Unindexed Information

사용자에게 문맥상의 정보를 제공하나 검색에 직접적으로 사용되지는 않음


Indexed and unindexed case features

Patient Ref#: 1024

Age: 53

Patient Name: John Doe

Sex: Male

Address: 12 Elm Street

Weight: 225lbs

Next of Kin: Jane Doe

Height: 5`11``


Blood Type: A negative

Unindexed features

Indexed features


Index의 조건

은행 직원 예제

이름과 전화번호:

예측적이지 않음

예측적이어야 한다. (predictive)

Case-base의 목적을 설명해야 한다.


Index의 조건

모두 만족

미래에 다른 목적을 위해 사용될 수 있어야 한다. (abstract)

쉽게 인식될 수 있어야 한다. (concrete)

  • Index를 선택하기 위하여 수동적인 방법과 자동적인 방법 사용

Nearest-Neighbor Retrieval

  • Case의 검색은 사용된 Indexing Method에 종속적이며 밀접한 관련

Nearest-neighbor retrieval

Inductive retrieval

Index 선택

한달간 실수입

(다른 재정적인 지출계약과 세금을 제한 후 남은 금액)

대출금에 대한 월 상환금액

Nearest-Neighbor Retrieval

Monthly loan repayment

Net monthly income

상대적으로 높은 월 실수입과 낮은 상환금액을 가지고 있는 사람의 Case

Nearest-Neighbor Retrieval

Bad loans

Monthly loan repayment

Good loans

Net monthly income

상대적으로 낮은 월 실수입과 높은 상환금액을 가지고 있는 사람이 높은 월 실수입과 낮은 상환금액을 가지고 있는 사람에 비해 채무를 불이행할 가능성이 높음

의사결정 지원 도구로 사용

Nearest-Neighbor Retrieval

Monthly loan repayment

New case

Net monthly income

새로운 Case 가 나쁜 군집에 가까울 경우

새로운 Case가 좋은 군집에 가까울 경우

대출 승인

대출 거절

Nearest-Neighbor Retrieval

Case B



Case A

Loan repayment

Case T


Monthly income

The distance of T from A: dA = XA + YA = 3+0 = 3

The distance of T from B: dB = XB + YB = 3+1 = 4

대출 승인

Case B



Case A

Loan repayment

Case T


Monthly income

Nearest-Neighbor Retrieval

Wx = 2

Wy = 1

The distance of T from A:dA= (XA*Wx)+(YA*Wy)=(3*2)+(0*1)=6

The distance of T from B:dB= (XB*Wx)+(YB*Wy)=(1*2)+(3*1)=5

대출 거부

Nearest-Neighbor Retrieval

유사도 계산

  • 더 많은 속성의 추가

  • N-차원 공간

  • Value 유형

Symbolic Value

Boolean Value

i=1,n wi • f(Ti,Si)

Similarity(T,S) =

T : target case,

S : source case (new problem)

n : 각 case에서 속성의 개수

i = 1… n , 개별 속성

f : case T와 case S의 속성 i에 대한 유사도 함수

wi: 속성 i의 가중치

Outcome value

Inductive Retrieval

Induction Algorithm

  • Case들을 분류하는 Decision Tree를 생성하기 위하여 사용


Bank loan 예제



Case 1

Case 3

Case 2

Case 4

Good loans

Bad loans

Inductive Retrieval


결과를 예측할 수 있는 feature를 찾기 위하여 Case 연구

그러나, 결과는 feature의 조합에 의해 영향을 받을 가능성이 있음

여전히 결과를 예측하며 Case의 집합을 반으로 가장 잘 나눌 수 있는 feature와 value 찾기

Repayment < $400



Job status

Case 1

Case 3

Case 2

Case 4

Good loans

Bad loans



Case 1

Case 3

Good loans

Inductive Retrieval

Repayment < $400



Job status

Income > $1500

Case 1

Case 3

Case 2

Case 4

Good loans

Bad loans





Case 1

Case 2

Case 3

Case 4

Good loans

Bad loans

Inductive Retrieval

완성된 Decision Tree

Repayment < $400

Inductive Retrieval

완성된 Tree는 다음과 같이 검색을 위해 사용


1. 대출 상환금이 $400 보다 작은가?

YES (왼쪽 가지)

2. Salaried인가? Waged인가?


Good loans



Nearest Neighbor

Inductive Retrieval

Preindexing에 의존하는 검색 기법

Target Case와 Source Case의 유사도를 측정하는 간단한 기법

Missing, Noisy Case data에 대해 덜 민감

검색속도가 빠름

Case Data가 손실되면 검색이 불가능

검색속도가 느림

일반적으로는 Nearest Neighbor 선호

일치하는 Case들의 집합을 검색하는데 Inductive Retrieval 사용

Target Case와의 유사성에 따라 집합 내에 있는 Case들의 순서를 매길 때 Nearest Neighbor 사용


CBR-cycle의 개념 소개

Process의 주요한 개념과 친숙

CBR-cycle을 따라 각 단계의 중요성 파악

성공적인 CBR의


Cbr applications conversational cbr
CBR Applications - CBR

  • Used question-tree structure

    1. Question

    Solve a problem

    2. Question


    3. Question

    Slow Printing


Group discussion
Group Discussion

  • 2~3명의 그룹으로

  • 우리 주변에 CBR로 해결 가능한 문제는 어떤 것이 있는가 ?

  • 문제해결을 CBR시스템으로 해결 할 경우 어떤 장점과 단점이 있을 수 있는가 ?

Success stories for cbr

Failure prediction

ultrasonic NDT of rails for Dutch railways

Failure analysis

Mercedes cars for DaimlerChrysler

semiconductors at National Semiconductor

Success Stories for CBR

  • Maintenance scheduling

    • Boeing 737 engines

    • British Airways – plane maintenance

    • TGV trains

  • Planning

    • mission planning for US navy

    • route planning for DaimlerChrysler cars

Success stories for cbr1


sales support for standard products

sales support for customised products


TV listings from Changing Worlds

music on demand from Kirch Media

news stories via car radios for DaimlerBenz

Success Stories for CBR

Impact on business @ microsoft
참고자료 Impact on Business @ Microsoft

  • Within 9 months of introducing a CBR system @ Microsoft’s call centre in Glasgow

  • Microsoft reported:

    • 10% increase in customer satisfaction rating

    • 28% increase in “first-time-fix” success rate

    • 13% increase in the “agent is informed” customer survey score

    • A significant reduction in the time required to train new agents

    • More consistent responses delivered by agents, regardless of the problem

Cbr honours project ideas

CBR for email filtering (anti-SPAM)

Michael Long, BSc(Hons) 2004, SPAM filtering

Amandine Orecchioni, 2005, Email Management

CBR for Diagnosis

Katya Ponce do Leon, MSc 2005, Fish Diagnosis for Marine Lab

Grant Gauld, BSc(Hons) 2005, CBR Helpdesk for Chevron-Texaco

CBR for Planning

Abhishek Chakraborty, MSc 2005, CBR Healthcare Planning for Partners Research Emergency Nutrition

Scott Morrice, BSc(Hons) 2004, “Killer Bunnies” game

CBR Honours Project Ideas

A Classification of Applications

CBR systems

Synthesis tasks

Classification tasks







Process control


Medical diagnosis

Equipment failure

Classification Tasks

Classification Tasks

  • Application들의 넓은 영역을 포함하며 일상생활에서 매우 일반적

  • 새로운 case가 어떤 type이며 class인지를 결정하기 위하여 case-base에 있는 case들에 대하여 matching

  • 가장 잘 일치하는 case로부터의 solution은 재사용


의료진찰이나 설비 고장 진단


설비 고장의 예측이나 주식시장 시세


은행이나 보험에 대한 위험분석과 프로젝트 비용 추정


제조 설비의 관리


여행계획이나 작업 스케쥴의 재사용

Classification Tasks

Classification 문제에 CBR 적용

  • 대략적으로 유사한 case들의 집합 검색

항생제가 치료제였던 경우

  • 집합 내에서 가장 잘 일치하는 것을 검색

특정한 항생제로서 페니실린 제안

  • 제안된 해결책을 수정

체중과 나이의 차이에 따라 복용량 변경

  • 미래의 사용을 위해 새로운 case의 해결책을 유지

새로운 해결책을 유지

Classification Tasks

Classification 작업이 실행하기 쉬운 이유


CBR-Cycle과 용이한 일치


Case들은 모으기 쉽고 표현도 용이


대부분의 CBR tool에 사용되는 검색 알고리즘은 classifier


경험이 풍부한 의사도 진찰을 할 때 과거의 기억에 크게 의존

MYCIN (박테리아 감염을 진찰하는 전형적인 rule-based 전문가 시스템)

자동차 기계 공학에도 많이 사용


(Porter and Bareiss 1986) 임상청각학 분야에서 개발


(Koton 1989) 심장병을 진단하는 시스템


(Simoudis 1992) VMS computer OS의 고장원인을 진단하는 시스템


(Watson and Abdullah 1994) 건물의 결함 원인을 확인하고 해당 조치를 제안


Planning 또한 일반적으로 경험에 의존하는 또 다른 분야

London 출장의 예

비행기가 정확하고 호텔이 편했다면 재사용

다른 박물관을 방문하고 쇼에 가는 것으로 예전 계획 변경


(Goodman 1989) 육지전의 계획 분야에서 계획평가에 대한 결과 연구


(Lopez and Plaza 1993) 환자에 대해 알려진 정보에 의해 진찰 계획 수립


(Costas and Kashyap 1993) 복잡한 제조 계획 문제를 풀기 위해 개발

Legal Reasoning, Design

Legal Reasoning : 많은 국각의 법 제도가 판례법의 개념에 기초


(Bain 1986) 형 판결에 대한 case-based 모형


(Ashley 1988) 판례법의 영역에서 case-base legal reasoning, 특허법 관련


(Yang and Robertson 1994) 건물법규 관련에서 운영, 제정법 상의 규약

Design : 건축가부터 소프트웨어 공학자까지 부분 디자인의 재사용


(Navinchandra 1988) 조경분야에서 디자인 문제 해결


(Hinrichs 1989) 메뉴 디자인의 분야에서 case-based design


(Sycara 1992) 기계 설계에서 디자이너의 지원자로서 역할


(Pearce et al. 1992) 개념설계의 높은 수준 작업에서 건축가 지원


(Perera and Watson 1995) 공장 창고의 개발 지원

Analogous Reasoning, Arbitration

Analogous Reasoning (유사추론): 서로 다른 상황에서 유사성 확인

예) 미국의 베트남 전쟁


(Kass 1989) 낯선 환경에서 죽어가는 동물과 사람에 관련되 case

예) 건강한 어린 경주마와 농구선수의 죽음 : 약물 과다복용과 불법 약물 복용

Arbitration : 중재자의 역할


(Simpson 1985) 논쟁 해결 분야에서 사용


(Sycara 1987) 노동자와 경영자 사이의 분쟁 해결책 제안

Adaptation, Tutoring

Adaptation : 많은 CBR system들이 adaptation을 사용하지 않으나, 아래의 system은 adaptation에만 초점


(Hammond 1986) 예전 요리법으로부터 새로운 요리법 새성


(Alterman 1986) 새로운 상황으로 예전 계획의 adaptation


(Collins 1987) 축구에서 사용되는 프로그램 (play)

Tutoring : 교육 분야에서 case-based tutoring system 사용


(Farrel 1987) 교육학 문제를 학생들이 이해하거나 해결하도록 도움


(Aleven and Ashley 1992) 법대 학생을 위한 case-based tutoring system

Synthesis Tasks

Synthesis Tasks

  • 이전 solution의 부분을 결합하는 것에 의하여 새로운 solution 생성

  • Adaptation을 사용하고 다른 기술들과 CBR을 결합한 hybrid system 사용

  • 새로운 것을 생성하기 보다 이전의 좋은 설계나 계획을 변경하는 것이 더 빠름

  • Synthesis 작업은 올바른 feature를 올바른 위치에 올바른 순서로 놓아야 하기 때문에 Classification 작업보다 어려움


이전 가공품의 한 요소를 변형시켜 새로운 가공품 생성


이전 계획의 요소들을 변형시켜 새로운 계획 생성


이전 스케쥴로부터 새로운 스케쥴 생성

Synthesis Tasks

Synthesis 작업이 힘든 이유


계획 또는 설계의 case 표현은 많은 내부 종속적인 feature들로 복잡


Case 들이 일반적으로 하나의 동종 미디어에 저장되지 않음, 컬렉션은 더욱 더 복잡


CBR tool이 고도로 구조화된 case 표현의 indexing이나 검색을 지원하지 않음


Adaptation(개조작업)이 synthesis 작업의 주요한 필수조건

다른 기술들도 synthesis 작업을 처리하기가 어려움

CBR and Information Retrieval

Information Retrieval (IR)

  • 대형의 textual information source로부터 정보를 검색할 때 사용


IR method는 주로 대형의 문서 source로부터 text를 검색하는데 초점을 맞추는 반면 CBR method는 더 넓은 영역의 data 유형 처리 가능 (수치, symbol, Boolean, text)

IR system은 가중치를 주는 것에 의해 검색되어지는 정보에 대한 배경지식을 사용하지 않음

  • 대형의 textual information source에서 CBR 기술의 사용 증가

Windows OS의 help system

CBR vs. Statistical Techniques

사례 비교

Nearest-Neighbor Case-Based Approach vs. Linear Discriminant Analysis

Blood-thinning 치료제 Warfarin을 복용하는 환자의 치료

1,200명 이상의 환자상담 결과 사용

복용량 증가

복용량 감소

복용량 유지

CBR : 87%를 성공적으로 분류

Discriminant Analysis : 67%

Discriminant analysis
Discriminant Analysis

판별분석은 한 개체가 두 개 이상의 집단 중에서 어느 집단에 속할

것인지 예측하기 위한 분석이다.

판별분석에서는, 소속집단(종속변수)이 이미 알려진 케이스에 대

해 그 소속집단을 판별하는데 효과적이라고 생각되는 여러개의 설

명(독립)변수들의 측정값들을 가지고 독립 변수들의 선형함수인

판별함수(discriminant function)를 만든다. 이 판별함수는 소속 집

단을 모르는 케이스에 대해 독립변수 값들을 가지고 어느 집단에

속하는지 판별하는데 사용한다.

이 분석은 독립변수들의 선형결합으로 종속변수의 모형을 만들고

예측한다는 점에 있어서 회귀분석과 유사하다. 주요 차이점은 판별

분석의 종속변수는 범주형 변수(명목, 순서척도)이고, 회귀분석의

종속변수는 구간, 비율척도 변수라는 점이다.

CBR vs. Statistical Techniques

사례 비교

Inductive CBR Algorithm vs. Linear Discriminant Analysis

Gearbox의 품질관리

7,000개 이상의 case와 57개의 속성


CBR vs. Statistical Techniques

실험 결과

Linear Discriminant Analysis

  • Induction과 Nearest-Neighbor 모두 Linear Discriminant Analysis보다 더 좋은 결과

잘 세워진 가정을 검정하기 위하여 많은 양의 잘 알려진 data에 적용

CBR vs. Rule-Based Expert System


Rule-based system은 문제를 어떻게 풀어야 하는지를 알아야 함

Case-based system은 과거에 푼 유사한 문제를 이용

Hybrid system의 증가

CBR vs. Machine Learning

CBR에서 사용되는 Induction Algorithm은 Machine Learning 분야에서 유래


Machine Learning

  • Case set에 적용할 rule을 유도하기 위하여 지난 case들을 분석

  • 이 rule은 새로운 문제를 풀기 위하여 적용

Learning과 solving의 명확한 분리

Decision에 대한 지원 불가능


  • Induction Algorithm을 이용하여 존재하는 case들을 분류

  • 새로운 case를 존재하는 case에 match시키기 위하여 생성된 index tree를 사용

Learning과 solving의 분리 불명확

Decision에 대한 지원 가능

CBR vs. Neural Networks

Neural Networks

  • Neuron의 가중화된 vector의 함수에 의해 해 도출


NN 기술은 신호처리에 적합

CBR은 복잡하고, 구조화된 symbolic data에 더 적합

사례 비교 (Warfarin 예제)

NN의 문제점

Decision에 대해 rule을 이용하는 것조차 불가능 (black box)

유럽은행의 예

(Decision에 대한 설명 없이 거절되는 대출은 불법)

CBR : 87%를 성공적으로 분류

Discriminant Analysis : 79%

Summary of Technology Comparisons

CBR의 단점

많은 양의 순수 수치 데이터 처리가 어려움

정확한 optimum solution의 제공 불가능


But, 정확한 solution을 구할 수 있는 대략적인 적당한 범위를 빠르게 제공 가능

유사한 case를 검색하고 그 case로부터의 solution을 재사용


CBR에 적합한 문제 영역의 분류

Classification Tasks

Synthesis Tasks

CBR과 다른 기술들의 비교

영향력 있는 Academic CBR 시스템의 소개

CBR의 작동방법

CBR 적용시 고려사항 파악

성공적인 CBR의



  • Article

    • Tenth anniversary of the plastics color formulation tool, William Cheetham, AI Magazine, Vol 26, Fall, 2005.



  • Books

    • I. Watson. Applying Knowledge Management: Techniques For Building Corporate Memories. Morgan Kaufmann, 2003.

    • I. Watson. Applying Case-Based Reasoning: Techniques for Enterprise Systems. Morgan Kaufmann, 1997.

Cbr resources
CBR Resources

  • CBR on the web


  • CBR Commercial Solutions

    • Orenge from

    • Kaidara Adviser from (

    • eGain (

      • Customer Service & Contact Centre Software

  • CBR Tools

    • CBR-Works from

    • ReCall from

    • Weka from