1

Raciocínio Baseado em Casos

Teresa Ludermir

Centro de Informática - UFPE

Aprendizado Baseado em Instâncias

K-vizinhos mais próximos (Nearest Neighbours)

Raciocínio Baseado em Casos

2

Aprendizado Baseado em Instâncias

A aprendizagem consiste somente em armazenar os exemplos de treinamento <x1,c1>, <x2,c2> . . . <xn,cn>.

Após a aprendizagem, para encontrar o valor do conceito alvo associado a uma instância de testes <xt, ? >, um conjunto de instâncias similares são buscadas na memória e utilizadas para classificar a nova instância.

A generalização é feita somente quando uma nova instância deve ser classificada.

3

Aprendizado Baseado em Instâncias

Muitos métodos de aprendizagem constroem uma descrição geral e explicita da função alvo a partir de exemplos de treinamento.

Os métodos de aprendizagem baseados em instâncias simplesmente armazenam os exemplos de treinamento.

4

Aprendizado Baseado em Instâncias

Constroem uma aproximações para a função alvo para cada instância de teste diferente.

Constrói uma aproximação local da função alvo.

Podem utilizar representações mais complexas e simbólicas para as instâncias

5

Aprendizado Baseado em Instâncias

Uma desvantagem é o alto custo para classificação. Toda a computação ocorre no momento da

classificação !!! Aumenta com a quantidade de exemplo de

treinamento.

6

Raciocínio baseado em regras - RBR

Um sistema que usa RBR resolve problemas tomando uma especificação de entrada (ou desenvolvendo um conjunto de perguntas-e-respostas com o usuário) e então “encadeia” um conjunto de regras apropriadas obtidas a partir de uma base de regras para chegar a uma solução.

7

Raciocínio baseado em regras

A capacidade de aprendizagem não é algo inerente aos sistemas baseados em regras; Dificuldade de adaptação às mudanças, surgimento de

novos problemas dentro do domínio corrente;

A construção e a manutenção são tarefas que demandam muito tempo A extração de regras junto a especialistas também é uma

tarefa árdua; As regras são inerentemente dependentes de outras regras; É muito complexa a tarefa de eliminação erros.

8

9

“Pessoas: Experiência vivida”

Classificação: “Os problemas de ouvido deste paciente são casos típicos de otite média”

Soluções compiladas: “Os sintomas de coração do paciente X podem ser explicados da mesma maneira que aquele paciente Y”

Avaliando medidas: Minha casa é como aquela que foi vendida mais em baixo nesta rua por R$25.000,00 mas ela tem uma vista melhor”

10

“Pessoas: Experiência vivida”

Concepção (design): para projetar este hospital, vou me basear naquele que já fiz com um número de leitos parecido, embora tenha de adaptá-lo pois este é de esquina

Avaliando opções: se nós atacássemos as intalações dos mísseis cubanos/russos, seria como no caso de Pearl Harbor

11

Sistemas Especialistas convencionais:

(alguns) Sistemas Especialistas de segunda geração:

Experiência

Experiência: o que o especialista tem de mais valioso

RegrasEngenheiro de conhecimento

Experiência RegrasAlgoritmo deaprendizagem

12

Experiência: o que o especialista tem de mais valioso

Case-based reasoning system Um método de resolução de problemas onde novos

problemas são resolvidos adaptando-se soluções de

antigos problemas similares

aprendizado incremental on-line

suavisa necessidade de aquisição de conhecimento

tem plausibilidade cognitiva

Experiência Experiência

13

O que é Raciocínio Baseado em Casos (RBC) ?

Case-based reasoning system is ... reasoning by

remembering. Leake, 1996

A case-based reasoner solves new problems by adapting

solutions that were used to solve old problems. Riesbeck

& Schank, 1989

Case-based reasoning is a recent approach to problem

solving and learning ... Aamodt & Plaza, 1994

Case-based reasoning is both ... The ways people use

cases to solve problems and the ways we can make

machines use them. Kolodner, 1993

14

Definição de RBC

Raciocínio Baseado em Casos (RBC) é um paradigma de IA que utiliza experiências passadas para solucionar problemas correntes Abordagem muito utilizada por seres humanos para resolver

problemas práticos Um caso

é um episódio vivido contém a descrição de : problema + solução exemplos: um paciente, um projeto arquitetônico, uma

situação, uma causa jurídica, uma melodia, etc.

15

Exemplos

Aulas de Aldo von Wangeheim Transparências 8 - 24

16

Fases do RBC

Em geral, sistemas de RBC estão relacionados aos processos: Representação de Casos Indexação de Casos Armazenamento e Recuperação de Casos Adaptação de Casos Avaliação e Reparo de Casos

17

Fases do RBC

RBR vs. RBC – Obtenção de conhecimento

RBR Articulação de soluções é realizada por

inferências sobre um conjunto potencialmente grande de regras;

É preciso reestruturar o código para acomodar expansões e tratamento de casos particulares.

RBC O aprendizado é uma tarefa natural, através da

retenção de novos casos; O conhecimento do domínio não precisa ser

completamente definido no desenvolvimento do sistema.

18

RBR vs. RBC - Memória

RBR Não possuem memória, o que obriga a

construção de soluções sempre a partir do zero. Erros anteriores tendem a acontecer novamente.

RBC Possuem uma memória de casos anteriores,

continuamente incrementada. Permite construir soluções a partir de outras,

minimizando o tempo gasto e evitando cometer novamente os mesmos erros;

19

RBR vs. RBC - Robustez

RBR Quando um problema não se encaixa em

nenhuma regra, o sistema simplesmente não pode resolvê-lo.

RBC Podem adaptar casos com

características similares que podem ser úteis para resolver o problema atual.

20

21

Sistemas baseados em regras: críticas

aquisição de conhecimento muito difícil regras nem sempre são intuitivas

desenvolvimento é muito longo não aprende não é robusto tratamento de incerteza complicado manutenação e refinamento são

delicados é lento

22

Desenvolvimento de um sistema RBC

Qual a natureza e conteúdo dos casos? Como representá-los? Como indexá-los de maneira a poder encontrá-los

adequadamente e rapidamente mais tarde? Qual são os critérios para a escolha do melhor

caso e como recuperá-lo? Como estruturar (organizar) os casos da base? Como adaptar o caso recuperado?

23

Natureza e conteúdo dos casos

Pergunta chave O que é um caso no domínio abordado?

Conteúdo Mínima: descrição do problema e da solução Extensões: avaliação da solução (falhas, sucesso,

etc.) , contexto (justificação, links com outros casos, etc.),

Quantidade de casos distribuir bem no espaço de problema n-dimensional

(n atributos)

24

Representação dos Casos

Definição do conteúdo que será armazenado. Determinação das características mais relevantes

de cada caso. Busca de uma estrutura apropriada para

descrever estas características.

25

Representação dos Casos

Várias linguagens de vetores de características Atributo-valor (frames, redes semânticas,

objetos, ...) lógica de primeira ordem

26

Indexação

Objetivo: dar ao sistema conhecimento sobre como estocar e comparar (match) casos

Vocabulário de indexação índice = atributo, característica, predicado, ... Pode ser feita manual ou automaticamente

27

Indexação

Interpretação de situação os índices realmente relevantes para um

problema/situação em particular

preçoanomodelomarcaopcionaiskilometragemmotorcor....

28

Indexação

Indexação pelo vizinho mais próximo Baseada na distância euclidiana entre o novo caso e

os casos armazenados;

Indexação indutiva Determina indutivamente quais as características mais

importantes para os vários casos;

Indexação baseada em conhecimento Utiliza o conhecimento existente na literatura para cada

caso e determina quais características são importantes para recuperá-los;

29

Similaridade e recuperação

O casamento é parcial !!!! =>Mais robustez Etapas da recuperação

Matching: encontrar os N casos mais similares ao caso alvo

Ranking: Escolher o melhor caso MC em relação o alvo

30

Adaptação dos casos

Objetivo: compensar as diferenças entre o problema-alvo e problema-fonte escolhido

Adaptação: 3 tipos Cópia: usada normalmente em

classificação Adap. Estrutural: a partir da própria

solução recuperada Adap. Derivacional: a partir da maneira

com que a solução recuperada foi gerada

31

Adaptação dos casos

Para as duas últimas formas de adaptação as operações são: ajuste de parâmetros, abstração e

especialização, substituição,... Problema:

depende do domínio,coordenação do conjunto de operadores de transformação

32

Exemplo de Adaptação

JULIA precisa criar uma refeição italiana (e que não contenha carne) composta de entrada, massas, refeição principal e sobremesa;

Baseando-se em casos anteriores, JULIA escolhe lasanha como prato principal. Porém: a refeição original inclui um prato de massas. Para

simplificar, JULIA elimina o prato de massas; lasanha inclui carne. Devido à restrição do

problema, uma lasanha vegetariana é proposta;

33

Avaliação e reparo dos casos

Revisão1) Avaliar a solução (automaticamente ou não)2) Consertar o caso

Retenção: Se algo ensina alguma lição para o futuro, chame-o de caso1) Extração da informação a reter2) indexação3) inserção/integração do caso na base

exemplo: ajuste dos pesos de determinados atributos de um caso;

34

Aprendizado em RBC

No aprendizado de máquina tradicional, existe a fase do aprendizado e a fase de utilização: indução e dedução;

Em RBC, o aprendizado é parte do processo de resolução de problemas;

O princípio: é mais fácil aprender retendo um exemplo concreto de solução do que tentar generalizar tais experiências;

35

Quando usar CBR?

Existe uma grande volume de dados históricos

Os especialistas falam sobre seus domínio dando exemplos

A experiência vale tanto quanto o conhecimento dos livros texto

Os problemas não são completamente formalizáveis fraca compreensão do problema,

dificuldade de verbalização

36

Quando usar CBR?

Existem conhecimento para adaptação de casos

Existem muitas exceções às regras É preciso aprender “on-line”

37

Problemas Aquisição & descrição dos casos

nem sempre é trivial além de demandar conhecimento do domínio!

O controle da medida de similaridade é fraco pois o matching é parcial o acúmulo de semelhanças “irrelevantes” faz com

que certos casos sejam escolhidos em detrimento dos outros

como ter certeza que as propriedades A e B serão determinantes na recuperação de um caso que contém 20 atributos?

A explicação pode ser prejudicada quando a recuperação é

baseada em uma medida de similaridade numérica

38

Combinando RBC com RN

RBC e RN têm sido combinados em algumas pesquisas recentes

Integração pode ocorrer por: Divisão de tarefas entre a RN e o RBC Projeto de uma arquitetura inteligente combinando

características de RN e RBC

39

Combinando RBC com RN

Casamento e indexação de casos Maioria das combinações Procura padrões de similaridade entre os casos

Auxiliar processo de Raciocínio do sistema RBC

Definir arquitetura neural mais adequada para uma dada aplicação

Aplicações de RBC - [Prudêncio 2002]

RBC foi utilizado juntamente com Algoritmos Genéticos (AG) e Redes Neurais Artificiais (RNA) para a previsão de séries temporais por [Prudêncio 2002];

O sistema de RBC mantém uma base de casos em que cada caso armazena a descrição de um problema resolvido com redes neurais e a solução aplicada.

Diante de um novo problema, uma consulta é feita à base de casos, recuperando as soluções usadas nos problemas mais similares.

40

Aplicações de RBC - [Prudêncio 2002]

Essas soluções são inseridas na população inicial dos AGs, que são responsáveis por adaptá-las;

Após a execução dos AGs, a solução final poderá ser inserida na base de casos, para auxiliar a solução de problemas futuros.

As redes geradas pelo modelo apresentaram maior poder de generalização, além de um número menor de conexões de rede. 41

Aplicações de RBC - [Prudêncio 2002]

42

Aplicações de RBC - [Prudêncio 2002]

43

Aplicações de RBC - [Prudêncio 2002]

Módulo PROC Transforma uma série temporal não estacionária em

uma série estacionária, ou seja, que não apresentam tendência e sazonalidade;

Módulo GBC Mede a similaridade do problema atual com todos os

problemas armazenados na base e retorna os mais similares.

O número de casos retornados da base é igual ao número de cromossomos da população dos AGs;

Usa a distância euclidiana.

Módulos AG e TR Operam cooperativamente na busca pela melhor

solução.

44

45

Um Novo Modelo de Automatização: RBC e AG

Projeto das redes é tratado de forma híbrida: uso de conhecimento e busca.

Conhecimento é usado para iniciar o processo

de busca.

Base de casos é usada para inicializar a primeira população dos AGs.

No modelo proposto, RBC manipula o conhecimento e AGs realizam a busca.

46

Aplicações: estado da arte Todas as classes de problemas dos SE´s

diagnóstico, planejamento, scheduling, interpretação, design, seleção, ensino,....

Existem ferramentas (shells) ReMind, CAsePOint,CASUEL, ART*, ReCall, CBR-

Express,... Exemplos

Machine Tool Fault Diagnosis Computer Network Diagnosis Credit Analysis Geological Deposit Prediction Battle Planning

Mais aplicações...

Bank Telex Classification Natural Language Understanding Network Management Legal Reasoning Claims Settlement Medical Diagnosis Weather Prediction Fraud Detection Industrial Planning and Scheduling Residential Domain Aircraft Maintenance Domain Helpdesk Systems for PC Network Diagnostics

48

Algumas aplicações na WEB

FIND-ME AGENTS sugere filmes e carros em locadoras raciocino através de exemplos

BUTTLER AGENTS sugere hotéis, restaurantes, oficinas, ...

CORRESPONDENT AGENTS usa técnicas de recuperação de casos para

encontrar textos: FAQ-finder

49

Find Me: http://infolab.cs.uchicago.edu/entree

50

Referências

Aamodt, A; Plaza, E. (1994). “Case-Based Reasoning: Foundational Issues, Methodological Variantions, and System Approaches”. Em AI Communications, Vol. 7, nr. 1;

Kolodner, J. (1993) Case Based Reasoning. Morgan Kaufmann.

Web AI-CBR Home Page: http://www.ai-cbr.org/theindex.html CBR archive: http://www.ai-cbr.org/cases.html CBR in the Web: http://wwwagr.informatik.uni-kl.de/~lsa/CBR/CBR-

Homepage.html CBR Bibliography:

http://www.surveying.salford.ac.uk/AI-CBR/biblio/search.html

Referências

Prudêncio, R. Projeto Híbrido de Redes Neurais, Dissertação de Mestrado, Centro de Informática, Universidade Federal de Pernambuco, 2002.

Braga , A. P. Braga, Caravalho, A. C. P. L. F. and Lurdermir , T. B. Redes Neurais Artificiais: teoria e aplicações. LTC, Rio de Janeiro, 2007.

51