通过无向图模型中的推断处理基于案例推理中的适配引导检索
人工智能
2019-05-30 v1
摘要
在基于案例的推理中,当相似性假设不成立时,检索到一组结构上与查询相似的案例并不能保证获得可重用或可修改的解。必须利用关于解的可适配性的知识,以定义一种适配引导检索方法。我们提出一种解决该问题的新方法,其中关于解的可适配性的知识被捕获在一个度量马尔可夫随机场(MRF)中。MRF 的节点表示案例,边连接那些解在解空间中相近的节点。节点的状态表示相对于潜在查询的不同适配层级。基于度量的势函数强制相连节点共享同一状态,因为具有相似解的案例相对于查询应具有相同的适配层级。主要目标是在不显著牺牲检索精度与准确性的前提下,扩大所检索到的潜在可适配案例的集合。我们将报告一些关于检索架构的实验,其中简单的 kNN 检索(基于问题描述)之后跟随一个基于 MRF 推断的进一步检索步骤。
引用
@article{arxiv.1905.12464,
title = {Approaching Adaptation Guided Retrieval in Case-Based Reasoning through Inference in Undirected Graphical Models},
author = {Luigi Portinale},
journal= {arXiv preprint arXiv:1905.12464},
year = {2019}
}