基于案例推理的股票价格操纵行为研究-管理信息系统专业论文.docxVIP

PAGE PAGE 5 数据支持，因此无法确保求解方案的正确性。但是，在统计数据匮乏的情况下，所有的归纳推 理都要基于过往事件的经验方能进行。 2.2 基于案例的推理的流程 按照 Agnar Aamodt 和 Enric Plaza 的经典归纳[1]，基于案例的推理的过程可以被归纳以下为 4 个步骤： （1）检索(Retrieve)。给定一个目标问题，根据给定的检索方法从案例库中的过往案例中 检索出与解决该问题相关的案例。一个案例应该是由问题的描述、问题的结论（即问题的解） 以及解决方案的解释和扩充性说明三部分组成。 （2）复用(Reuse)。将从过往案例中得到的解映射于目标问题，从而得到目标问题的解。 如果需要的话，可能还需针对目标问题对解进行调整。 （3）修正(Revise)。在将过往案例的解映射于目标问题后，在实践中（或通过仿真）对新 问题的解进行验证，并在必要的时候（新问题的解没能通过验证）予以修正。 （4）保留(Retain)。在解已经成功应用于目标问题后，将由此产生的经验作为新案例存储 于案例库进行保留。 以上四个步骤可以简称为“4R”。一个新的问题通过“检索出一个或多个过往案例，用适 用的方法对案例进行复用，在复用过往案例的基础上修正问题的解，并将新的求解经验融入现 有案例库进行知识的存储保留”这四步来得以解决。这四个步骤每一个都可以包含多个具体的 小步骤。这个过程可以形象地用下图表示： 2-1 CBR 循环 Figure2-1 CBR Cycle 上图所示的过程被称之为“CBR 循环”。关于问题的最初描述便是一个新案例。这个新案 例被用来作为参照从案例库中的过往案例集中进行检索。将被检索出的过往案例同新案例通过 复用结合起来，便形成了一个已解决案例，即对最初问题的建议解。然后，建议解被进行检测， 即进行实践检验或专家评估，以便在建议解不适用时进行修正，以得到最终解。最后，通过存 储，有用的经验被保留以供未来复用，同时案例库通过引入新的经验案例或校正一些现有案例 来进行更新。 下面以基于判例的案件判决为例，介绍案例推理方法在其中的应用流程。 基于判例的案件判决非常符合基于案例的推理思想的应用领域，是最简单的基于案例的推 理方法的应用。基于判例的法律推理利用的是以往的判例，针对当前诉讼进行合适的调整，从 而对问题进行解决。 应用流程如下： 前提：问题案例的产生。法官通过对控辩双方的陈述辩论以及案件基本事实的了解，获取 案件的案情信息。 第一步：进行案例检索。法官根据新案件的案情在过往案件中进行检索，找出与新案件案 情相似的一个或多个过往案件的案情及判决结果。 第二步：进行案例复用。法官根据过往相似案件的案情和判决结果以及自己的领域经验， 对新案件的案情进行分析，从而明确原告和被告的责任，做出相应的建议判决。 第三步：对解进行修正。如果建议判决方案获得陪审团的认可，说明法官给出的建议解是 有效的，反之，如果未得到陪审团认可，说明需要修正和调整解决方案。 第四步：对案例进行学习。此次对案件的判决过程和结果将是下一次案件判决的宝贵经验。 随着科技的进步和信息化的发展，通过建立判决信息系统，可以实现上述过程的现代化和 自动化，从而使基于案例的推理技术在案件判决中更为可靠和有效。 2.3 基于案例的推理与基于规则的推理的比较 基于案例的推理和基于规则的推理十分相似。就像基于规则的推理一样，基于案例的推理 也始于一堆案例集或训练集，通过寻找被检索出的案例和目标问题之间的共性来形成求解方案。 但它们之间的关键区别在于：何时提供求解方案。基于规则的推理在目标问题还未提供之前就 通过对训练集的分析概括而归纳出了求解方案，即“活性求解”。但是，基于规则的推理的难点 在于，在尝试对训练集进行分析概括以归纳出求解方案之前，如何准确地预测各种可能的求解 思路。而基于案例的推理则不同，它在解的测试验证阶段才归纳出求解方案，即“惰性求解”。 因此，基于案例的推理更适用于解决复杂的、非结构化的问题。 基于规则的推理作为一种重要的推理机制，主要有以下特点[2]： （1）能够以直接的方式使用从人类专家那里获取的经验知识。这对于那些高度依赖启发来 管理复杂度或残缺信息的领域尤其重要。 （2）可以把规则映射为状态空间搜索。解释功能支持调试。 PAGE PAGE 8 （3）知识和控制的分离简化了专家系统的开发过程，可以循环地组织开发过程，即不断重 复获取、实现和检验规则这一过程。 （4）在有限的领域内可以得到很好的性能。因为智能问题求解所需的知识数极其庞大，所 以专家系统的应用仅限于很窄的一些领城。不过，己经证明在很多领域中都取得了非常好的效 果。 （5）解释机制很好。尽管基本的基于规则的框架支持灵活的针对问题的解释，但是必须注 意到这些解释