racioc nio baseado em casos n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Raciocínio Baseado em Casos PowerPoint Presentation
Download Presentation
Raciocínio Baseado em Casos

Loading in 2 Seconds...

play fullscreen
1 / 43
michelle-mason

Raciocínio Baseado em Casos - PowerPoint PPT Presentation

94 Views
Download Presentation
Raciocínio Baseado em Casos
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

  1. Raciocínio Baseado em Casos Luis Otavio Alvares

  2. Raciocínio Baseado em CasosCBR (Case-Based Reasoning) • Paradigma para resolução de problemas • Ao resolver um novo problema, considera a solução utilizada em problemas similares • Uma abordagem incremental Solução de Problemas Similares Nova Solução Novo Problema

  3. CBR (Case-Based Reasoning) “Um sistema de CBR resolve problemas por adaptar soluções que foram utilizadas para resolver problemas anteriores.” Riesbeck & Schank, 1989

  4. Caso É uma descrição completa do problema do domínio, com a respectiva solução aplicada, mais uma avaliação da eficácia desta solução

  5. Problema: <descrição dos sintomas> Solução: <tratamento aplicado> Avaliação: <reação do paciente> Exemplo de Caso • Sistema para diagnóstico de doença • Exemplo de caso : Componentes de um caso

  6. Problema: Windows travado Solução: Reiniciar a máquina Avaliação: Sistema voltou a funcionar Exemplo de Caso • Sistema para diagnóstico de falhas em computador • Exemplo de caso : Componentes de um caso

  7. Aplicações • Diagnóstico • Previsão • Avaliação • Planejamento • Projeto • Configuração

  8. Aplicações • CYRUS (Janet Kolodner, 1983) • PERSUADER (Sycara, 1987) • soluciona conflitos entre patrões e empregados • CASEY (Koton, 1989) • diagnostica problemas cardíacos • JULIA (Hinrichs, 1992) • trabalha com planejamento de refeições • CHEF (Hommond,1996) • desenvolve novos pratos a partir de outros

  9. Aplicações • Sistemas de Assistência ao Cliente: • Cisco Systems • Hewlett-Packard • Intel Corp • Microsoft • Visa International • AT&T Corp • Nokia Telecommunications

  10. Conhecimento Geral Casos anteriores Funcionamento Novo Caso Problema 0 Caso Recu- perado Novo Caso Caso Avalia -do Solução Confirmada Caso Resol- vido Solução Sugerida

  11. Conhecimento Geral Casos anteriores Funcionamento RECUPERAÇÃO Novo Caso Problema 0 Caso Recu- perado Novo Caso Caso Avalia -do Solução Confirmada ADPTAÇÃO AVALIAÇÃO Caso Resol- vido Solução Sugerida

  12. Representação e Organização de Casos • A eficiência do sistema depende da estrutura e conteúdo da coleção de casos • Problema de decidir : • O que armazenar em um caso (conteúdo) • Como estruturar seu conteúdo (estrutura) • Como organizar e indexar a memória de casos (organização e índice)

  13. Representação de Casos • Definir: • qual a estrutura adequada para os casos • quais casos devem ser representados • qual a granularidade da informação Casos podem ser representados de várias formas, entre elas: frames, objetos, predicados,... Objetos e tabelas do modelo relacional são as mais utilizadas.

  14. Exemplo de caso descrição do caso • Nome: Paulo Rocha • Nascimento: 20.05.64 • Endereço: Av. Carlos Gomes, POA • Profissão: Analista de sistemas • Salário mensal: R$ 3.000,00 • Estado civil: solteiro • Dependentes: 0 • Cartão crédito: Visa • Empréstimo solicitado: R$ 20.000,00 • Empréstimo concedido: sim • cliente pagou corretamente o empréstimo solução do caso avaliação

  15. Organização da Base de Casos Influencia na recuperação do caso mais similar e nas atualizações da base de casos • Organização Seqüencial • Organização Estruturada

  16. Organização Seqüencial • Casos armazenados seqüencialmente em lista, array ou arquivo • Ao fazer a recuperação, todos os casos são considerados • Algoritmo simples para busca e atualização da base • Ineficiente para bases muito grandes

  17. Organização Estruturada • Otimiza a busca de casos • Aumenta a complexidade de tratamento da base • Ocupa mais espaço na memória de trabalho • Deve estar bem organizada, ou não chegaremos ao melhor caso

  18. Organização da Base de Casos João Salário: 3000 Estado Civil: Solteiro Dependentes: 0 Maria Salário: 2500 Estado Civil: Solteiro Dependentes: 0 Ana Salário: 3100 Estado Civil: Casada Dependentes: 2 Pedro Salário: 10000 Estado Civil: Casado Dependentes: 1 Jorge Salário: 6000 Estado Civil: Casado Dependentes: 3

  19. Organização da Base de Casos Paulo Estado Civil: Solteiro Salário: 15000 Dependentes: 3 Estado Civil Casado Solteiro Salário João Salário: 3000 Dependentes: 1 < 5000 >= 5000 Maria Salário: 2500 Dependentes: 0 Ana Salário: 3100 Dependentes: 2 Jorge Salário: 14000 Dependentes: 3 Pedro Salário: 1000 Dependentes: 1

  20. Métodos de indexação • Indexar casos quer dizer definir caminhos (atalhos) que nos levam de fatos a casos. • Isto permite que quando estamos procurando pelo caso mais similar na base, não tenhamos que percorrer toda a base, mas possamos utilizar este "atalho"

  21. As informações de um caso podem ser de dois tipos: • indexadas: utilizadas na recuperação. Ex de diagnóstico médico: idade, sexo, tipo sangüíneo, peso • não indexadas: têm um valor de informação, mas não são usadas diretamente na recuperação. Ex: foto, endereço, nome do paciente, ...

  22. Indexação • Técnicas Manuais • Analisam caso a caso para determinar características que influenciam variações sobre as conclusões • Técnicas Automáticas • Quantificam diferenças entre casos e relacionamentos entre características do problema e soluções adotadas

  23. Métodos de indexação manuais • Manualmente a pessoa tem que analisar casos e dizer "este caso é importante por causa disto, ou daquilo” . • Uma das primeiras etapas na construção de um sistema com índices manualmente identificados é a definição de uma checklist; • Indexar desta forma é praticamente um trabalho de aquisição de conhecimento.

  24. Indexação automática • aprendizado indutivo: identifica as características que determinam as conclusões. Ex: ID3, C4.5 • indexação baseada em diferença: seleciona índices que diferenciam um caso de outro

  25. Métodos de Recuperação • Recuperar caso(s) mais similares • Vários tipos de busca podem ser usadas: • serial, hierárquica, ...

  26. Métodos de Recuperação • Vizinho mais próximo (Nearest-Neighbour) Para cada caso Cj da base • Calcular a similaridade de Cj com o novo caso • Reter o caso com o maior grau de similaridade

  27. n  wi . sim(vpi, vri) i=1 n  wi i=1 Vizinho mais próximo • W: peso da característica • sim: função de similaridade • vpi e vri : valores da característica i A função de similaridade depende do domínio do problema

  28. Cálculo de Similaridade Exemplo para tipo numérico: a1 = 40 a2 = 80 sim(a1,a2) = 1 - |a2 - a1|/ (max - min) Supondo que min = 0 e max = 100 : sim(40,80) = 1 - |80 - 40|/(100 - 0) = 0,6

  29. Cálculo de Similaridade Exemplo para strings: Cores = {Branco, Amarelo, Vermelho, Marrom, Preto} a1 = Branco a2 = Amarelo 1, se a1 = a2 Opção1: sim(a1,a2) = 0, se a1  a2

  30. Branco Amarelo Vermelho Marrom Preto 0 0,25 0,5 0,75 1 Cálculo de Similaridade Opção2: enumerar distâncias uniformemente a1 = Branco a2 = Amarelo sim(a1,a2) = 1 - |0,25 - 0| / 1 = 0,75

  31. Branco Amarelo Vermelho Marrom Preto Branco 1 0,8 0,4 0,15 0 Amarelo 1 0,5 0,2 0 Vermelho 1 0,7 0,6 Marrom 1 0,85 Preto 1 Cálculo de Similaridade Opção3: criar matriz de similaridades a1 = Branco a2 = Amarelo sim(a1,a2) = 0,8

  32. Outro método de recuperação Percorre estrutura de índice (ex: árvore de decisão) e no fim aplica o vizinho mais próximo para poucos registros

  33. Métodos de Adaptação • É mais simples desenvolver regras de adaptação que um sistema completo baseado em regras • A maior parte dos sistemas comerciais apresentam o melhor caso e deixam a adaptação para o usuário

  34. Adaptação • Substituição • Transformação

  35. Adaptação por substituição • Instanciação de soluções antigas com valores substituíveis Comida com proteína Carne Frutos do Mar Queijo Gado Frango Peixe Camarão Só é adequada se existe uma hierarquia ou outra forma de descrever o problema e nos permita substituir um elemento por outro

  36. Transformação • Funciona através de heurísticas • Exemplo: lasanha vegetariana • remover ingrediente secundário • substituir item

  37. Ferramentas • AcknoSoft - KATE • Atlantis Aerospace Corporation - SpotLight • Brightware Inc. - ART*Enterprise • Case Bank Support Systems Inc. - Spotlight • Cognitive Systems Inc. - ReMind (no longer trading) • Esteem Software Inc. - ESTEEM • Inductive Solutions Inc. - CasePower

  38. Ferramentas • Inference Corporation - k-commerce (formerly called CBR3 or CBR Express, CasePoint, Generator & WebServer) • IET-Intelligent Electronics - TechMate • Intellix - KnowMan • Isoft - ReCall • Sententia Software Inc. - CASE Advisor & Case Advisor Webserver • ServiceSoft - Knowledge Builder & Web Adviser

  39. Softwares Acadêmicos • CASPIAN (University of Wales) • CASUEL - A Common Case Representation Language • PROTOS • EProtos extension for numeric values

  40. Comparação com um Banco de Dados tradicional • BD não contém a descrição dos problemas associados com a solução • não faz casamento por aproximação • a base de casos não é livre de ruídos e duplicações

  41. Vantagens do CRB • Construção de um protótipo antes de obter a completa estruturação do domínio • Reuso de conhecimento armazenado em bancos de dados e outras fontes • Diminui a necessidade aquisição de conhecimento • Aprendizagem automática de novos casos

  42. Desvantagens do CBR • Dificuldade em obter casos disponíveis e confiáveis • Não cobrem todo o domínio • Não existem bons algoritmos de adaptação • Exige mais espaço para armazenamento

  43. Referências Kolodner, Janet. Case-Based Reasoning. San Mateo, California: Morgan Kauffman, 1993. Aamodt, A. & Plaza, E. Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches. AICom - Artificial Intelligence Communications, IOS Press, Vol.7: 1, pp.39-59, 1994. Watson, Ian & Marir, Farhi. Case-Based Reasoning: A Review.AI_CBR, University of Salford, Salford, M5 4WT, UK [http://www.ai-cbr.org/