人工智慧技术应用.PPT

7. 人工智慧技術應用 S.S. Tseng G.J. Hwang Chapter 7 人工智慧技術應用 Case-based Reasoning(案例式推論) 案例式推論解決問題的流程: 確認問題的狀態 由過去案例中找尋相似的案例 由相似的案例獲取經驗以解決目前的問題 將目前的問題及解決的方法加入案例中 案例式推論解題的關鍵因素 案例特徵(參數)之訂定 案例特徵(參數)權重之訂定 案例特徵(參數)比對演算法之訂定 案例式推論運作流程 案例式推論實例:自動化郵件回覆客戶服務系統 以郵件進行客戶服務己成趨勢 現有的郵件客服有下列缺點 郵件回覆為人工進行 需要浪費人力回答重覆問題 無法保證即時回覆 目標: 將傳統郵件回覆自動化 縮短客戶等待時間 提高客戶的滿意度 節省客服中心的人力應用 自動化郵件客服系統功能 自動辨識郵件目的及問題 搜尋最適合客戶的解決方案 即時產生回覆郵件 調查客戶滿意度 從雙方面調整資料庫 客服系統權重演算法 權重調整： 一名詞在所有集合中出現的頻率愈多，代表此詞為一冗詞 一名詞在所屬集合中出現的頻率愈多，其他集合中出現的頻率愈少，即有可能就是關鍵詞 客服系統權重演算法(cont.) Wij=(??pij – ??nij)/N wij 關鍵字i對在文章j的權重 N 取樣總篇數 pij 關鍵字i在文章j出現的次數 nij 關鍵字i在文章j之外出現的次數 客服系統關鍵詞比對演算法 FAQ關鍵詞比對： 比對客戶詢問問題與資料庫中的資料相似程度 給予一個問題與資料庫中各筆資料介於0至1的分數，並找出分數最高的資料 Neural Networks (類神經網路) 1943　McCulloch 與 Pitts首度提出正式的類神經計算單元。 　 1949　Donald Hebb提出第一個學習法則---Hebbian learning rule。 1954　Minsky 首度建造類神經電腦並測試。　 1958　Frank Rosenblatt 發明感知機 (Perceptron)﹐可調整連接值。 1960　Bernard Widrow 與 Marcian Hoff 提出 Widrow-Hoff 學習法則　 1965　Nils Nilsson 綜合當代研究並提出學習機所受的限制。 　 1972　Sun-Ichi Amari 提出有關臨界值的數學理論。 1982　Kohonen 研究非監督模式網路﹐建立陣列式神經元。 　 1982　Stephen Grossberg 與 Gail Carpenter研究調適性迴響網路。 　 1986　James McClelland 與 David Rumelhart加入平行分散式計算技巧。 類神經網路的優缺點 Advantages prediction accuracy is generally high robust, works when training examples contain errors output may be discrete, real-valued, or a vector of several discrete or real-valued attributes fast evaluation of the learned target function Criticism long training time difficult to understand the learned function (weights) not easy to incorporate domain knowledge A Neuron The n-dimensional input vector x is mapped into variable y by means of the scalar product and a nonlinear function mapping Training a Neural Network To obtain a set of weights that makes almost all the tuples in the training data classified correctly Steps Initialize weights with random values Feed the input tuples into the network one by one For each unit Compute the net input to the unit as a linear combination of all the inputs to the unit Compute the o