Modellieren, Lernen und Verarbeiten von Erfahrungswissen im Case-Based Reasoning auf der Grundlage präferenzbasierter Methoden - Präferenzbasiertes CBR

基于偏好的方法对案例推理中的经验知识进行建模、学习和处理——基于偏好的CBR

• 批准号: 170049638
• 负责人: Professor Dr. Eyke Hüllermeier
• 金额: --
• 依托单位: Lehr- und Forschungseinheit Künstliche Intelligenz und Maschinelles Lernen
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2010
• 资助国家: 德国
• 起止时间: 2009-12-31 至 2015-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/170049638?language=en
• 关键词: Modellieren; Lernen; und; Verarbeiten; von

Im Bereich der Künstlichen Intelligenz ist das so genannte Fallbasierte Schließen (Case-Based Reasoning, CBR) ein etabliertes Problemlösungsparadigma mit vielfältigen Anwendungsmöglichkeiten. Trotz seines beträchtlichen praktischen Erfolges besitzt das CBR nach wie vor ein Entwicklungspotential im Hinblick auf theoretische und methodische Grundlagen. Aufbauend auf neueren Arbeiten im Bereich der Präferenzverarbeitung verfolgt dieses Projekt das Ziel, einen allgemeinen methodischen Rahmen auf der Basis einer präferenzbasierten Formalisierung des CBR zu entwickeln. Ein präferenzbasierter Ansatz erscheint aus mehreren Gründen interessant, insbesondere deshalb, weil sich fallbasiertes Erfahrungswissen häufig sehr natürlich mithilfe von Präferenzrelationen abbilden lässt - selbst dann, wenn es sich nicht direkt um Präferenzinformation handelt. Zudem kommt die Flexibilität und Ausdrucksstärke eines präferenzbasierten Formalismus dem unsicheren und approximativen Charakter des fallbasierten Problemlösens entgegen. Besondere Aufmerksamkeit wird dem gemeinsamen Thema des Paketantrages gewidmet, nämlich der Verwendung des CBR zum Verarbeiten von Erfahrungswissen in Internet communities. In diesem Kontext wird Präferenzinformation auf natürliche Art und Weise erzeugt und muss deshalb adäquat formalisiert und verarbeitet werden. Gemeinsam mit den Projektpartnern soll eine konkrete Applikation in der Anwendungsdomäne des Kochens realisiert werden.

Im Bereich der Künstlichen Intelligenz ist das so genannte Fallbasierte Schließen (CBR) ein etabliertes Problemlösungsparadigma mit vielfältigen Anwendungsmöglichkeiten。理论和方法论基础上的发展潜力。恩特维克恩。 Direkt um Präferenzinformation handelt。互联网社区中的互联网社区。 Konkrete Applikation in der Anwendungsdomäne des Kochens realisiert werden。

项目成果

Learning Solution Similarity in Preference-Based CBR

基于偏好的 CBR 中学习解决方案的相似性

• DOI: 10.1007/978-3-319-11209-1_3
• 发表时间: 2014-09-29
• 期刊: Pattern Recognit. Lett.
• 作者: Amira Abdel;M. Strickert;Eyke Hüllermeier
• 通讯作者: Eyke Hüllermeier