nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

Dynamic Case Bases and the Asymmetrical Weighted One-Mode Projection

verfasst von : Rotem Stram, Pascal Reuss, Klaus-Dieter Althoff

Erschienen in: Case-Based Reasoning Research and Development

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Building a case base for a case-based reasoning (CBR) system is incomplete without similarity measures. For the attribute-value case structure similarity between values of an attribute should logically fit their relationship. Bipartite graphs have been shown to be a good representation of relationships between values of symbolic attributes and the diagnosis of the cases in a technical diagnosis CBR system, while using an asymmetrical weighted one-mode projection on the values to model their similarity.

However, the weighted one-mode projection assumes that the set of symbols is static, which is contradictory to the dynamic nature of case bases as defined by the retain phase of the CBR cycle. In this work we present two methods to update the similarity measure whenever new information is available and compare them. We show that even though updating the similarity measure to exactly reflect the case base had the new information been available a-priori produces better results, an imperfect update is a feasible, less time consuming temporary solution.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel An Analysis of Case Representations for Marathon Race Prediction and Planning

Nächstes Kapitel Novel Object Discovery Using Case-Based Reasoning and Convolutional Neural Networks

www.imdb.com.

wordnet.princeton.edu.

Aamodt, A., Plaza, E.: Case-based reasoning: foundational issues, methodological variations and system approaches. AI Commun. 7(1), 39–59 (1994)

Bach, K., Althoff, K.-D., Newo, R., Stahl, A.: A case-based reasoning approach for providing machine diagnosis from service reports. In: Ram, A., Wiratunga, N. (eds.) ICCBR 2011. LNCS (LNAI), vol. 6880, pp. 363–377. Springer, Heidelberg (2011). https://doi.org/10.1007/978-3-642-23291-6_27CrossRef

Bach, K., Sauer, C., Althoff, K.D., Roth-Berghofer, T.: Knowledge modelling with the open source tool myCBR. In: CEUR Workshop Proceedings (2014)

Ceausu, V., Desprès, S.: A semantic case-based reasoning framework for text categorization. In: Aberer, K., Choi, K.-S., Noy, N., Allemang, D., Lee, K.-I., Nixon, L., Golbeck, J., Mika, P., Maynard, D., Mizoguchi, R., Schreiber, G., Cudré-Mauroux, P. (eds.) ASWC/ISWC -2007. LNCS, vol. 4825, pp. 736–749. Springer, Heidelberg (2007). https://doi.org/10.1007/978-3-540-76298-0_53CrossRef

Cunningham, C., Weber, R., Proctor, J.M., Fowler, C., Murphy, M.: Investigating graphs in textual case-based reasoning. In: Funk, P., González Calero, P.A. (eds.) ECCBR 2004. LNCS (LNAI), vol. 3155, pp. 573–586. Springer, Heidelberg (2004). https://doi.org/10.1007/978-3-540-28631-8_42CrossRef

Cunningham, P.: A taxonomy of similarity mechanisms for case-based reasoning. IEEE Trans. Knowl. Data Eng. 21(11), 1532–1543 (2009)CrossRef

Dean, J., Ghemawat, S.: Mapreduce: simplified data processing on large clusters. Commun. ACM 51(1), 107–113 (2008)CrossRef

Gómez-Martin, P.P., Gómez-Martin, M.A.: Case-based recommendation for online judges using learning itineraries. In: Case-Based Reasoning Research and Development: 25th International Conference, ICCBR (2017)

Markovitch, S., Scott, P.D.: The role of forgetting in learning. In: Machine Learning Proceedings (1988)

10.

Reuss, P., Stram, R., Juckenack, C., Althoff, K.-D., Henkel, W., Fischer, D., Henning, F.: FEATURE-TAK - framework for extraction, analysis, and transformation of unstructured textual aircraft knowledge. In: Goel, A., Díaz-Agudo, M.B., Roth-Berghofer, T. (eds.) ICCBR 2016. LNCS (LNAI), vol. 9969, pp. 327–341. Springer, Cham (2016). https://doi.org/10.1007/978-3-319-47096-2_22CrossRef

11.

Ricci, F., Avesani, P.: Learning a local similarity metric for case-based reasoning. In: International Conference on Case-Based Reasoning, pp. 301–312 (1995)CrossRef

12.

Sizov, G., Öztürk, P., Aamodt, A.: Evidence-driven retrieval in textual CBR: bridging the gap between retrieval and reuse. In: Hüllermeier, E., Minor, M. (eds.) ICCBR 2015. LNCS (LNAI), vol. 9343, pp. 351–365. Springer, Cham (2015). https://doi.org/10.1007/978-3-319-24586-7_24CrossRef

13.

Sizov, G., Öztürk, P., Štyrák, J.: Acquisition and reuse of reasoning knowledge from textual cases for automated analysis. In: Lamontagne, L., Plaza, E. (eds.) ICCBR 2014. LNCS (LNAI), vol. 8765, pp. 465–479. Springer, Cham (2014). https://doi.org/10.1007/978-3-319-11209-1_33CrossRef

14.

Stahl, A., Gabel, T.: Using evolution programs to learn local similarity measures. In: Ashley, K.D., Bridge, D.G. (eds.) ICCBR 2003. LNCS (LNAI), vol. 2689, pp. 537–551. Springer, Heidelberg (2003). https://doi.org/10.1007/3-540-45006-8_41CrossRef

15.

Stram, R., Reuss, P., Althoff, K.-D.: Weighted one mode projection of a bipartite graph as a local similarity measure. In: Aha, D.W., Lieber, J. (eds.) ICCBR 2017. LNCS (LNAI), vol. 10339, pp. 375–389. Springer, Cham (2017). https://doi.org/10.1007/978-3-319-61030-6_26CrossRef

16.

Zhou, T., Ren, J., Medo, M., Zhang, T.C.: Bipartite network projection and personal recommendation. Phys. Rev. E 76(4), 046115 (2007)CrossRef

Titel: Dynamic Case Bases and the Asymmetrical Weighted One-Mode Projection
verfasst von: Rotem Stram
Pascal Reuss
Klaus-Dieter Althoff
Verlag: Springer International Publishing
Buch: Case-Based Reasoning Research and Development
Print ISBN: 978-3-030-01080-5

Electronic ISBN: 978-3-030-01081-2

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-030-01081-2_26

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"