استدلال مبتنی بر مورد: تفاوت میان نسخه‌ها

استنتاج مبتنی بر مورد ({{lang-en|Case-based reasoning}}) (CBR)، که به‌طور گسترده‌ای تفسیر شده‌است، در واقع فرایند حل مشکلات جدید بر اساس راه حل‌های مشکلات مشابه در گذشته‌است. یک [[مکانیک (پیشه)|مکانیک]] [[خودرو]] معمولامعمولاً [[موتور]] را با به یاد آوردن ماشینی دیگر تعمیر می‌کند که علایم مشابهی با هم دارند، پس در این صورت از استدلال مبتنی بر مورد استفاده می‌کند. [[وکیل|وکیلی]] که از یک پیامد خاص در یک [[جلسه دادرسی|محاکمه]] براساس [[رویه قض|سوابق قانونی]] یا [[قاضی]] حمایت می‌کندکه [[قانون پرونده‌ای|قانون موردی]] را ایجاد می‌کند، از استدلال مبتنی بر مورد استفاده می‌کند. استدلال مبتنی بر مورد تنها یک روش قدرتمند برای [[استدلال خودکار]] نیست بلکه یک روش فراگیر در [[حل مسئله|حل مسائل]] روزمره است. این دیدگاه مربوط به [[نظریه پروتوتایپ]] است که در [[علوم شناختی]] کشف شده‌شده.

[[استدلال خودکار]] برای اهداف کامپیوتری به عنوان یک فرآیندفرایند چهار مرحله‌ای به صورت زیر است:

در نگاه اول، CBR ممکن است شبیه [[الگوریتم]] های القایی قانون از [[یادگیری ماشین]] باشد. مانند الگوریتم القایی قانون، CBR هم با مجموعه ای از مسائل و مثال های آموزشی شروع می شود. این تعاریف از این نمونه ها، با شناسایی نقاط مشترک بین پرونده بازیابی شده و مسئله هدف، شکل می گیرد. به طور مثال اگر روش ساده پنکیک درست کردن به روشی برای پنکیک بلوبری تعمیم داده شود، شرایطی ایجاد می کند که از روش های خاصی برای پخت آن استفاده شود. در واقع تفاوت بین تعمیم ضمنی در CBR و تعمیم در القای قاعده زمانی است. الگوریتم القایی قانون، تعمیم مجموعه های آزمایشی نمونه ها را قبل از شناخت مسئله هدف ترسیم می کند. به عنوان مثال اگر از این الگوریتم برای آموزش انواع پنکیک ها مانند پنکیک هلندی یا پنکیک موز استفاده شود، قبل از هر کاری باید قواعد و نوع پخت پنکیک های ساده و نکات آن را یاد داد. دشواری الگوریتم القایی قانون در پیش‌بینی جهت‌های مختلف است که در آن باید تلاش شودمثال‌های آموزشی تعمیم پیدا کنند. در مثال پنکیک، CBR مسئله هدف را با استفاده از پنکیک ذخال اخته بررسی کرده است. پس می تواند موارد خود را دقیقادقیقاً همانطور که مورد نیاز برای پوشش وضعیت جدی است، تعمیم دهد.

منتقدان CBR استدلال می‌کنند که این روش [[شواهد حکایتی]] را به عنوان عامل اصلی می‌پذیرد.بدون داده‌های آماری مناسب برای پشتیبانی و تعمیم ضمنی، هیچ تضمینی وجود ندارد که تعمیم صحیح باشد. با این حال، [[استقرا|استدلال استقرایی]] که در آن داده برای ارتباط آماری خیلی کم است، ذاتابراساس شواهد حکایتی عمل می کند. کارهای اخیر، CBR را در چارچوب آماری توسعه می دهد و استنتاج مبتنی بر فرض را به عنوان نوع خاصی از استدلال احتمالاتی در نظر می گیرد. بنابراین، می توان پیش بینی های مبتنی برنکات مهم به یک سطح اطمینان خاص را ایجاد کرد.