Razonamiento Basado en

Casos (CBR)

Introduccin

Fernando Daz Gmez

E. U. de Informtica Segovia
Universidad de Valladolid

Sistemas Inteligentes
 ndice

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin
Sistemas Inteligentes
 Qu es Razonamiento basado en casos?

Ms sabe el diablo por viejo que por diablo

(Popular)
Introduccin

Historia en el La experiencia es la madre de la Ciencia

campo de CBR
Mtodos
(Popular)
fundamentales
de CBR
Representacin Bsicamente, resuelve un nuevo problema
de Casos recordando situaciones similares anteriores y
Recuperacin reutiliza el conocimiento y la informacin de
Adaptacin estas situaciones.
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Un ejemplo de CBR

Queremos decidir el men de una cena. Entre los

invitados hay vegetarianos y Ana, que es alrgica a los
productos lcteos. Como es la temporada del tomate,
Introduccin queremos usarlos en el plato principal.

Historia en el Una vez que tena vegetarianos a cenar prepar pastel de tomate como
campo de CBR plato principal y tuve mucho xito.
Pero este plato contiene queso y Ana no lo puede comer.
Mtodos
fundamentales Sin embargo, recuerdo que en otras ocasiones he adaptado recetas para
de CBR Ana, sustituyendo el queso por tofu. Podra hacerlo as, pero no s
como resultar el pastel de esta forma.
Representacin Decidimos descartar la tarta de tomate.
de Casos
Estara bien hacer pescado a la parrilla. Aunque la ltima vez descubr
Recuperacin que a Elena no le gusta el pescado y tuve que hacer unos perritos
Adaptacin calientes a ltima hora.
Revisin Sin embargo, recuerdo que en una ocasin Elena comi pez espada.
Aprendizaje Quiz sea de esas personas a las que les gusta el pescado que parece
carne.
Ejemplos de Sistemas Inteligentes
Creo que me arriesgar con el pez espada
aplicacin
 Un ejemplo de CBR

En este ejemplo se ha razonado sobre casos

previos para distintos objetivos:
Introduccin

Historia en el Como medio para resolver un problema nuevo:

campo de CBR sugerir pastel de tomate como plato principal.
Mtodos Para sugerir una adaptacin para una solucin
fundamentales
de CBR imperfecta: sustituir el queso por tofu.
Representacin Para advertir sobre posibles fallos: en una ocasin
de Casos Elena no quiso comer pescado.
Recuperacin Para interpretar una situacin: Por qu Elena
Adaptacin come pescado en unas ocasiones y en otras no?
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 CBR como modelo del razonamiento humano

Los seres humanos resolvemos muchos

problemas razonando con casos previos:
Los abogados usan en sus argumentaciones el
Introduccin
veredicto de casos previos sobre el sistema
judicial anglosajn-
Historia en el
campo de CBR Los mdicos buscan conjuntos de sntomas que
Mtodos identifican al paciente con algn conjunto de casos
fundamentales previos
de CBR
Representacin Los ingenieros toman muchas de sus ideas de
de Casos soluciones previas ya construidas con xito
Recuperacin Plausibilidad psicolgica:
Los programadores El reutilizan
expertos CBR es un modo
esquemas
Adaptacin ms ode
natural menos abstractos de
razonamiento delas
lossoluciones
seres humanos.
Revisin
Aprendizaje
En la vida diaria, donde la mayor parte de las
Ejemplos de tareas son de una u otra forma repetitivas: ir a un
aplicacin y establecimiento, confeccionar el men de la
Herramientas semana, organizar un viaje.
Sistemas Inteligentes
 CBR como metodologa

El CBR es una metodologa que emplea diferentes

tecnologas para la construccin de sistemas expertos,
alternativa a los sistemas basados en reglas.
Introduccin Sistemas expertos basados en reglas, la aproximacin
clsica:
Historia en el Hechos conocidos sobre el dominio
campo de CBR Reglas de la forma IF-THEN
Mtodos Motor de inferencia: razonamiento hacia delante, razonamiento
fundamentales hacia atrs, generacin y prueba
de CBR El cuello de botella en la construccin de sistemas
Representacin expertos basados en reglas radica en la obtencin del
de Casos conocimiento.
Recuperacin Hay algn experto dispuesto a dedicar el tiempo necesario para
Adaptacin sacar a luz el conocimiento? Hay alguno capaz de hacerlo?
Revisin El experto y el ingeniero de conocimiento hablan el mismo
idioma?
Aprendizaje
Es posible representar formalmente el conocimiento obtenido?
Ejemplos de Sistemas Inteligentes
aplicacin
 Ventajas del CBR

Ventajas del CBR en la adquisicin de conocimiento:

A los expertos les resulta ms sencillo contar batallitas que
proporcionar reglas de aplicacin general.
Mediante el CBR se pueden proponer soluciones en dominios que
Introduccin no se comprenden de todo
Es posible evaluar las soluciones cuando no existe ningn
Historia en el mtodo algortmico para hacerlo
campo de CBR Resulta ms sencillo adquirir nuevos casos que descubrir reglas y
Mtodos generalizaciones nuevas
fundamentales Es ms rpido reutilizar una solucin previa que obtener la
de CBR solucin desde cero.
Representacin El
Los CBR es especialmente
casos ayudan a un razonadoradecuado en dominios
a concentrarse en los
de Casos aspectos
poco importantes deyun
formalizados problema,
donde al identificar las
el aprendizaje juega
Recuperacin caractersticas
un definitorias.
papel preponderante
Adaptacin Los casos pueden proporcionar tambin informacin
Revisin negativa, alertando sobre posibles fallos (excepciones)
Aprendizaje Mantenimiento de la base de conocimiento: los usuarios
Ejemplos de pueden aadir nuevos
Sistemas casos sin ayuda de los expertos.
Inteligentes
aplicacin Aceptacin de los usuarios.
 Tipos bsicos de sistemas CBR
Objetivo: formular
un juicio o clasificar
Interpretacin de Situaciones. una situacin
Determinar las caractersticas relevantes de la situacin
actual.
Introduccin Recuperar casos- ya clasificados o interpretados- con
caractersticas similares.
Historia en el
campo de CBR Comparar la situacin actual con los casos recuperados
para determinar qu interpretacin es aplicable.
Utilizando los casos previos como justificacin de la
Mtodos
eleccin.
fundamentales
de CBR Guardar la situacin actual junto con su interpretacin y
Representacin su justificacin como un nuevo caso. Objetivo: aplicar la
solucin a un
de Casos Resolucin de problemas problema pasado
Recuperacin Determinar las caractersticas relevantes paradel problema.
obtener la
Adaptacin Recuperar casos que resuelven problemas similares.
solucin del
problema actual
Revisin Adaptar la solucin de los casos recuperados al problema
Aprendizaje actual.
Ejemplos de Guardar el problema
Sistemas Inteligentes actual junto con su solucin como
aplicacin un nuevo caso.
 Las tareas centrales que todos los mtodos de
CBR deben tratar son:
encontrar un caso anterior similar al nuevo
Introduccin problema que se quiere resolver,
Historia en el usar el caso para sugerir una solucin al problema a
campo de CBR
tratar,
Mtodos
fundamentales evaluar la solucin propuesta y
de CBR actualizar el sistema aprendiendo la nueva
experiencia.
Representacin
de Casos El paradigma de los CBRs cubre un rango de
Recuperacin diferentes mtodos para organizar,
Adaptacin recuperar, utilizar e indexar el conocimiento
Revisin retenido en casos pasados.
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Tipos principales de mtodos CBR

Razonamiento basado en ejemplares.

Sistemas CBR que se centran en el aprendizaje de definiciones
de conceptos.
Un concepto se define por su extensin: el conjunto de
Introduccin ejemplares
Historia en el El sistema se limita a realizar clasificacin, asignndole una
campo de CBR categora (concepto) al caso nuevo. Sin adaptacin.
Mtodos Razonamiento basado en la memoria.
fundamentales Se hace especial hincapi en la organizacin y el acceso a
de CBR grandes memorias de casos.
Es caracterstico el uso de tcnicas de procesamiento paralelo.
Representacin Razonamiento basado en casos.
de Casos
Cierta complejidad en la representacin de los casos.
Recuperacin Incluyen mecanismos de adaptacin.
Adaptacin Incluyen algn tipo de conocimiento de propsito general.
Revisin Razonamiento basado en analogas.
Aprendizaje Intentan resolver un nuevo problema utilizando casos antiguos
Ejemplos de Sistemas Inteligentes
provenientes de un dominio de conocimiento diferente.
aplicacin
 Ciclo de vida de un CBR

(1) RECUPERAR
Introduccin Nuevo Casos
problema ms similares
Historia en el
campo de CBR
Mtodos
fundamentales MEMORIA
de CBR (2) ADAPTAR
CASOS
PREVIOS
Representacin
(4) RETENER
de Casos
Recuperacin Soluci
Solucin Soluci
Solucin
Confirmada Propuesta
Adaptacin (3) REVISAR

Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Conocimiento incluido en los casos

Qu es un caso? Un caso es una pieza

contextualizada de conocimiento que representa una
experiencia que ensea una leccin fundamental para
Introduccin alcanzar los objetivos del razonador (Kolodner &
Historia en el Leak).
campo de CBR El conocimiento del caso es aplicable siempre que se
Mtodos presente un determinado contexto.
fundamentales No todas las situaciones ensean una leccin.
de CBR Casos redundantes
Casos cubiertos por el conocimiento general
Representacin Qu lecciones puede ensear un caso?
de Casos Cmo conseguir uno o varios objetivos
Recuperacin Cmo alcanzar el estado necesario para poder lograr un
Adaptacin objetivo
Revisin Qu problemas se pueden plantear a la hora de lograr un
objetivo
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Conocimiento general

Conocimiento de similitud
Introduccin
Historia en el Reglas de adaptacin
campo de CBR
Mtodos
fundamentales Generalizaciones de los casos
de CBR

Representacin Modelos de dominio que se utilizan en las

de Casos
distintas fases del CBR
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 El contenido de los casos

Descripcin de la situacin o el problema

Objetivos
Restricciones para la consecucin de los objetivos
Introduccin
Caractersticas de la situacin
Historia en el
campo de CBR Solucin
Mtodos La solucin
fundamentales
de CBR Cmo se obtuvo la solucin
Justificaciones de las decisiones tomadas en la
Representacin solucin
de Casos Resultado
Recuperacin
Si tuvo xito o no
Adaptacin
En caso de fallo
Revisin
Aprendizaje Por qu fall
Ejemplos de Qu estrategia
Sistemas de reparacin se aplic
Inteligentes
aplicacin
 Tareas en la fase de Recuperacin

1. Valoracin de la situacin.
Determinar las caractersticas que permiten
Introduccin encontrar casos relevantes
Historia en el Se debe limitar el coste de la obtencin de los
campo de CBR ndices
Mtodos 2. Bsqueda en la memoria para encontrar los casos
fundamentales que guardan una similitud por encima de cierto
de CBR umbral. Comparacin superficial.
El procedimiento de bsqueda depender de la
Representacin organizacin- la estructura de datos- de los casos
de Casos
En ocasiones, los casos se organizan
Recuperacin automticamente utilizando mtodos de
Adaptacin aprendizaje mquina.
Revisin 3. Ordenacin de los casos recuperados.
Aprendizaje
4. Seleccin del caso mejor
Ejemplos de Sistemas Inteligentes
aplicacin
 Tareas en la fase de Adaptacin

1. Se utiliza el conocimiento incluido en el

caso recuperado para resolver/clasificar el
Introduccin
Historia en el problema actual.
campo de CBR Sin modificar. La solucin es vlida o es el usuario
Mtodos quien se encarga de adaptarla o interpretarla
fundamentales Modificando. Se adapta la solucin (resolucin de
de CBR
problemas) o la justificacin (interpretacin de
situaciones) de los casos recuperados.
Representacin
de Casos 2. Tipos de adaptacin.
Recuperacin Sin modificar la estructura. Insertar elementos,
Adaptacin eliminar elementos, sustituir elementos.
Revisin Transformando la estructura.
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Tareas en la fase de Adaptacin

Mtodos de adaptacin.
Mtodos basados en sustitucin (Reinstanciacin,
Introduccin
Ajuste de parmetros, Bsqueda local, Bsqueda
Historia en el
campo de CBR en la memoria, Bsqueda especializada,
Sustitucin basada en casos).
Mtodos
fundamentales
de CBR Mtodos basados en transformacin
(Transformaciones de sentido comn: Heursticas
Representacin generales, Reparacin guiada por un modelo: se
de Casos apoya en un modelo causal).
Recuperacin
Adaptacin
Adaptacin y reparacin de propsito especial
Revisin
Aprendizaje
Ejemplos de Analoga derivacional
Sistemas Inteligentes
aplicacin
 Tareas en la fase de Revisin

1. Es correcta la solucin propuesta?

2. La evaluacin de la solucin se realiza fuera
del sistema CBR
Introduccin
Historia en el Respuesta de un experto (o del usuario)
campo de CBR Simulacin
Mtodos 3. Reparacin de los fallos
fundamentales
de CBR Se identifican las causas del fallo
Se solicita una explicacin del fallo de las
Representacin expectativas
de Casos Se solicita una reparacin o el propio sistema se
Recuperacin encarga de aplicar estrategias de reparacin
Adaptacin
Revisin 4. Si el sistema poda llegar a la solucin
Aprendizaje correcta, por qu no lo hizo al primer
Ejemplos de intento?
Sistemas Inteligentes
aplicacin
 Tareas en la fase de Aprendizaje

1. En CBR el razonamiento y el aprendizaje estn

ntimamente ligados
2. Un sistema CBR mejora con el uso al ir adquiriendo
Introduccin nuevas experiencias que integra adecuadamente
Historia en el 3. Mejora la eficiencia del sistema al disponer de ms
campo de CBR casos a partir de los cuales obtener soluciones
Mtodos 4. Tareas del aprendizaje:
fundamentales
de CBR Extraccin de la informacin a recordar (la descripcin,
la solucin, el resultado, la justificacin de la solucin,
las causas de fallo,)
Representacin
de Casos Obtencin de los ndices que sirven para clasificar la
nueva informacin
Recuperacin
Integracin del conocimiento. Ubicacin del nuevo caso
Adaptacin
en el lugar correcto dentro de la base de casos,
Revisin incorporacin de nuevos ndices, reorganizacin de los
Aprendizaje ndices, construccin de abstracciones de los casos.
Ejemplos de Sistemas Inteligentes
aplicacin
 Cuestiones a considerar

De qu partes se compone un caso?

Descripcin del problema
Introduccin Descripcin de la solucin
Historia en el Resultado, si admitimos que el sistema se pueda
campo de CBR equivocar (opcional)
Mtodos
fundamentales
de CBR Qu tipo de conocimiento se incluye en cada parte?
Representacin
de Casos Qu formalismos de representacin son adecuados?

Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Representacin del problema

Describe el estado del mundo al comenzar el

razonamiento
Introduccin Situacin a interpretar o clasificar
Historia en el Problema a resolver, o artefacto a disear
campo de CBR Total o parcialmente se utiliza para determinar la
Mtodos similitud entre los casos
fundamentales
de CBR Tres posibles componentes:
Representacin Objetivos que consigue el caso: diagnosticar,
de Casos evaluar, explicar, Slo se representa
explcitamente cuando hay varios objetivos posibles
Recuperacin Restricciones impuestas sobre los objetivos: se debe
Adaptacin tener en cuenta en la solucin
Revisin Otras caractersticas del problema se pueden tener en
cuenta en la solucin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Contenido de las soluciones

Elementos que pueden formar parte de las

soluciones:
La propia solucin: el artefacto, el plan o la
Introduccin interpretacin.
Historia en el Los pasos del razonamiento que se han utilizado para
campo de CBR resolver el problema:
Mtodos Operadores aplicados
fundamentales Qu casos se han utilizado y cmo se han adaptado
de CBR Reglas aplicadas
Representacin Justificaciones de las decisiones tomadas para la
de Casos resolucin, para as:
Guiar la adaptacin
Recuperacin Qu casos se han utilizado y cmo se han adaptado
Adaptacin Reglas aplicadas
Revisin Soluciones aceptables que no se eligieron (y por qu)
Aprendizaje Soluciones inaceptables que se descartaron (y por qu)
Ejemplos de Las expectativas sobre el resultado de la aplicacin
Sistemas Inteligentes
aplicacin
 Resultado de los casos

Elementos que pueden formar parte del resultado:

El propio resultado (a veces desde diferentes puntos de
vista)
Si el resultado se ajusta o no a las expectativas de la
Introduccin solucin
Historia en el Si el resultado es de xito o de fracaso
campo de CBR
Una explicacin del fallo o de la violacin de las
Mtodos expectativas
fundamentales
de CBR Estrategia de reparacin
Representacin Qu se podra haber hecho para evitar el problema
de Casos Un puntero al siguiente intento de solucin (resultado de
la reparacin)
Recuperacin La informacin representada en el resultado permite
Adaptacin Saber si se debe aplicar la solucin
Revisin Detectar carencias en el modelo (las expectativas no
coinciden con el resultado)
Aprendizaje
Anticipar y explicar fallos futuros
Ejemplos de Sistemas Inteligentes
aplicacin Obtener soluciones que corrigen fallos previos
 Representacin plana

Un dominio plano es aquel en el que todos los casos

se representan utilizando los mismos atributos
Nombre del Hotel Precio Pas Mes
Introduccin Caso 1 Maharaja 125 India Abril
Historia en el Caso 2 Cairo 200 Egipto Junio
campo de CBR
Caso 3
Mtodos
fundamentales
de CBR Son representaciones derivadas de la lgica
Representacin proposicional que se pueden hacer ms sofisticadas
de Casos mediante:
Smbolos ordenados
Recuperacin Smbolos organizados de forma taxonmica
Adaptacin Posibilidad de definir valores como una disyuncin
Revisin
Definicin de reglas que limitan el rango de los
Aprendizaje atributos si mes = junio entonces precio [150, 300]
Ejemplos de Sistemas Inteligentes
aplicacin
 Representacin estructurada

Distintas entidades del dominio vienen expresadas

por atributos diferentes y existen relaciones entre las
partes de los casos
Introduccin
Historia en el
campo de CBR Caso (Precio, Pas, Mes)

Mtodos
fundamentales Hotel (Categora, tipo de bao) Apartamento (Cocina, N de Habitaciones)
de CBR
Representacin Habitacin 1 (Tipo de Cama)
Habitacin 2 (Tipo de Cama) Habitacin 3 (Tipo de Cama)

de Casos

Recuperacin
Adaptacin
Revisin Son representaciones basadas en la lgica de
Aprendizaje predicados
Ejemplos de Sistemas Inteligentes
aplicacin
 Tecnologas utilizadas en la representacin de
casos

Lista de pares atributo-valor

Introduccin Bases de datos
Historia en el Sistemas de marcos y redes semnticas,
campo de CBR modelos de memoria
Mtodos
fundamentales rboles de decisin
de CBR
Representacin
rboles K-d
de Casos Redes de activacin
Redes de recuperacin de casos
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Cuestiones a tratar

1. Objetivo de la recuperacin: obtener el caso ms

relevante para el problema a resolver
2. Eleccin de los ndices
Introduccin Cmo se asignan etiquetas (atributos) a los casos para que
luego sean recuperados cuando resulten tiles
Historia en el
campo de CBR 3. Estructura de la base de casos
Mtodos Cmo se organizan los casos de forma que la bsqueda se
fundamentales pueda llevar a cabo de forma eficiente y precisa
de CBR Qu subconjunto de los ndices se debe utilizar para
Representacin construir la estructura
de Casos 4. Medidas de similitud
Recuperacin Cmo se mide la relevancia de un caso para el problema a
resolver
Adaptacin 5. Algoritmo de recuperacin
Revisin Cmo se junta todo lo anterior
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
2. Eleccin de ndices 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

La caracterstica fundamental de un ndice

es que sea predictivo: permita identificar
las situaciones en las que los casos puedan
Introduccin aportar informacin til.
Historia en el
campo de CBR Se puede indexar por caractersticas
Mtodos profundas o superficiales (hay que llegar a
fundamentales
de CBR un compromiso entre eficiencia y precisin)
Representacin ndices abstractos o concretos:
de Casos Los ndices han de ser lo bastante abstractos
Recuperacin como para que el caso sea til en un nmero
suficiente de situaciones
Adaptacin Los ndices han de ser lo bastante concretos como
Revisin para que sean fcilmente reconocibles
Aprendizaje
Se deben tomar ndices lo ms abstractos posibles
Ejemplos de Sistemas Inteligentes
aplicacin cuanto ms diferentes sean los casos a reutilizar.
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
2. Eleccin de ndices 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

La eleccin de ndices requiere comprender el

dominio, an mejor comprender las necesidades del
usuario
Introduccin Los ndices deben anticipar el vocabulario que usar el
usuario
Historia en el
campo de CBR Se debe indexar por los conceptos que normalmente
Mtodos utilizan al describir los elementos indexados
fundamentales La indexacin debe anticiparse a las circunstancias en
de CBR las que el usuario realizar la recuperacin
Representacin Tanto los atributos como el vocabulario se
de Casos determinan a partir de
Recuperacin El conjunto de casos disponibles
El rango de tareas en las que se pretende aplicar los
Adaptacin casos. No es lo mismo utilizar un conjunto de casos
Revisin sobre ajedrez para un sistema experto sobre este tema,
Aprendizaje que para un sistema sobre estrategia en juegos con
Ejemplos de contrario
Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
2. Eleccin de ndices 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Una metodologa general

1. Recolectar un conjunto representativo de casos.
(Representativos de los problemas, los contextos, las
soluciones y los resultados)
Introduccin
2. Identificar las distintas moralejas que se pueden
Historia en el
campo de CBR extraer de cada caso
Mtodos 3. Para cada moraleja, se identifican las situaciones
fundamentales donde es aplicable
de CBR 4. Para cada situacin, se obtienen sus caractersticas
Representacin distintivas, los ndices
de Casos 5. Se escogen los atributos y los valores que permiten
Recuperacin representar dichos ndices
Es aconsejable elegir el vocabulario teniendo en
Adaptacin cuenta futuras extensiones del sistema
Revisin La eleccin de los ndices es un proceso iterativo
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
3. Organizacin de la base 2. Eleccin de los ndices
3. Estructura de la base de casos
de casos 4.
5.
Medidas de similitud
Algoritmo de recuperacin

Compromiso entre eficiencia y precisin

Si no comparo con todos los casos, puedo asegurar que
Introduccin he encontrado el mejor?
Historia en el Posibilidades
campo de CBR Organizacin lineal
Mtodos Organizacin estructurada
fundamentales Modelos de memoria
de CBR
rboles de decisin
Representacin
rboles k-d
de Casos
Redes de activacin
Recuperacin

Organizacin mixta
Adaptacin En las hojas de la estructura hay ms de un caso
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
Organizacin lineal 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Caractersticas
Garantiza que se recuperarn todos los casos similares
Funciona bien cuando se trabaja con un nmero
Introduccin pequeo de casos y la mayora de los atributos son
relevantes
Historia en el
campo de CBR Mejoras en la eficiencia
Mtodos Archivos de ndices invertidos
fundamentales Cada par atributo-valor se enlaza con todos los casos que
de CBR lo contienen
Representacin Slo se compara con los casos que tienen al menos un
de Casos ndice comn
Recuperacin Problema: qu ocurre si el mejor caso no tiene ningn
ndice en comn con el caso actual?

Adaptacin Particionar la base de casos

Revisin Bsqueda en paralelo
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
rboles de decisin 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
rboles de decisin 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
Construccin de rboles 2. Eleccin de los ndices
3. Estructura de la base de casos
de decisin: ID3 4.
5.
Medidas de similitud
Algoritmo de recuperacin

La construccin de todos los posibles

rboles de bsqueda tiene complejidad
Introduccin
exponencial.
Historia en el
campo de CBR Solucin: ID3 un algoritmo de bsqueda
Mtodos heurstica
fundamentales
de CBR Algoritmo voraz: escalada
Representacin Teora de la informacin para estimar el mejor
de Casos candidato
Recuperacin Se consigue complejidad lineal
Indirectamente realiza una seleccin automtica
Adaptacin de ndices
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
El algoritmo ID3 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Datos sobre los que opera el algorimo

Conjunto de ejemplo
E = {e1, , eq}
Introduccin Conjunto de clases a las que pueden pertenecer los
Historia en el ejemplos
campo de CBR C = {c1, , cq}
Mtodos Conjunto de atributos definidos sobre los elementos
fundamentales A = {a1, , aq}
de CBR p conjuntos con los valores posibles para cada atributo
Representacin Vi = {vi1, , cin} i [1 .. p]
de Casos Una funcin clase que determina la clase a la que
Recuperacin pertenece cada ejemplo
Clase: E -> C
Adaptacin Una funcin v que determina el valor de cada atributo
Revisin en cada ejemplo
Aprendizaje Valor: E x A -> U Vi
i= 1..p
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
El algoritmo ID3 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

El objetivo de cada iteracin del algoritmo es

Obtener el atributo ai A en base al cual ramificar el
nodo problema
Introduccin Se seleccionar aqul que mejor discrimine entre el
conjunto de ejemplos
Historia en el
campo de CBR El atributo ms discriminante ser aquel que conduzca
Mtodos a un estado con menor entropa.
fundamentales La entropa se define utilizando los resultados de la
de CBR teora de la informacin
Representacin La entropa de un nodo
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
El algoritmo ID3 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

La entropa del conjunto de nodos que se obtienen al

ramificar utilizando el atributo ai, es igual a la suma
de las entropas de los nodos resultantes de fijar el
Introduccin valor del atributo multiplicadas por la probabilidad
Historia en el de cada valor.
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
El algoritmo ID3 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Aplicado al ejemplo anterior

E = {1, , 10}
A = {Lluvia, suelo, topografa}
C = {nulo, medio, grave}
Introduccin
V1 = {baja, importante, intensa}
Historia en el
V2 = {hmedo, empapado}
campo de CBR
V3 = {suave, escarpada}
Mtodos
fundamentales Primera iteracin
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
El algoritmo ID3 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Por lo tanto el atributo elegido es lluvia

Introduccin
Historia en el
campo de CBR
Mtodos En la siguiente iteracin se vuelve aplicar el
fundamentales algoritmo sobre cada uno de los tres nuevos nodos,
de CBR considerando en cada uno el subconjunto de
Representacin ejemplos obtenido y habiendo eliminado el atributo
de Casos lluvia del conjunto de atributos
Recuperacin Terminacin
La expansin de un nodo se detiene cuando todos sus
Adaptacin ejemplos pertenecen a la misma clase (entropa nula)
Revisin El proceso se detiene cuando no se puede seguir
Aprendizaje expandiendo ningn nodo
Ejemplos de A las Sistemas
hojas se les asigna la clase a la pertenecen todos
Inteligentes
aplicacin sus ejemplos
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
El algoritmo ID3 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
Arboles k-d 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Cada nodo representa un subconjunto de casos

Son rboles binarios de bsqueda con k atributos
Se detiene cuando el nmero de casos en las hojas
Introduccin est por debajo de un cierto umbral
Historia en el Particiona el espacio k-dimensional en porciones
campo de CBR conexas
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
Arboles k-d 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
4. Medidas de similitud 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Propiedades de las funciones de similitud

Reflexiva
Introduccin
Historia en el Simtrica
campo de CBR No tiene que ser transitiva
Mtodos
fundamentales
de CBR Se puede refinar el clculo de
Representacin Similitud entre atributos (similitud local)
de Casos
Similitud entre casos (similitud global)
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
Similitud local 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Las posibles funciones dependen del tipo de

atributo a comparar
Numrico o simblico (los simblicos pueden estar
Introduccin ordenados o no, e incluso se pueden organizar de
Historia en el forma taxonmica)
campo de CBR
Univaludado o multivaluado
Mtodos
fundamentales Atributo simblico univaluado
de CBR
Representacin
de Casos
Recuperacin
Atributo numrico univaluado
Adaptacin
Revisin
Aprendizaje
Siendo long(L) la longitud del intervalo L.
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
Similitud local 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Atributo simblico multivaluado

Introduccin
Historia en el
campo de CBR
Mtodos Atributo simblico ordenado univaluado
fundamentales
de CBR
Representacin
de Casos
Recuperacin
Siendo ord(a) el ordinal del valor a
Adaptacin A los atributos simblicos ordenados se les puede
aplicar las mismas funciones que a los numricos
Revisin
siempre que se disponga de una funcin que
Aprendizaje
calcule el ordinal de un elemento y otra que
Ejemplos de Sistemas Inteligentes
aplicacin calcule la cardinalidad del conjunto de valores
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
Similitud local 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Atributo numrico multivaluado

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos Simblico jerrquico univaluado
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Donde prof(n) es la profundidad del rbol hasta el
Sistemas Inteligentes
aplicacin nodo n.
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
Similitud global 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

Combina los resultados de las similitudes

locales. En abstracto
SIM (A,B) = F(sim(a1, b1), sim(a2, b2), , sim(ap, bp))
Introduccin Donde F:[0,1]p -> [0,1]
Historia en el
campo de CBR Algunas funciones son:
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Medidas de similitud
Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
2. Eleccin de los ndices
5. Recuperacin 3. Estructura de la base de casos
4. Medidas de similitud
5. Algoritmo de recuperacin

La recuperacin es un proceso de bsqueda

del vecino ms prximo, o en general los k
vecinos ms prximos, en el espacio mtrico
Introduccin p-dimensional definido por los p atributos
Historia en el
campo de CBR de los casos y las funciones de similitud
Mtodos local.
fundamentales
de CBR Recuperacin en una estructura lineal
Representacin
de Casos
Recuperacin

Adaptacin Se usan estructuras de datos ms

Revisin
sofisticadas para conseguir una eficiencia
Aprendizaje
Ejemplos de
mayor Sistemas
que O(n),
Inteligentessiendo n el nmero de
aplicacin casos
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
Recuperacin en rboles 2. Eleccin de los ndices
3. Estructura de la base de casos
de decisin 4.
5.
Medidas de similitud
Algoritmo de recuperacin

Se sigue el camino indicado por los atributos de la

consulta hasta llegar a una hoja
No est garantizado que se recuperen todos los casos
Introduccin relevantes
Historia en el Distintos rboles de decisin pueden recuperar
campo de CBR conjuntos de casos diferentes
Mtodos Problema: qu ocurre si los casos a partir de los
fundamentales cuales se construye el rbol no incluyen todos los
de CBR posibles valores de los atributos?
Representacin
Al descender por el rbol no se escoge la rama con el
de Casos
mismo valor sino aquella con el valor ms parecido
Recuperacin
Problema: qu ocurre cuando falta algn atributo en
la consulta?
Adaptacin
Se consideran para l todos los valores posibles
Revisin
Se determina cul es el valor ms probable
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
Recuperacin en 2. Eleccin de los ndices
3. Estructura de la base de casos
rboles k-d 4.
5.
Medidas de similitud
Algoritmo de recuperacin

Recuperacin exacta o aproximada?

Medidas experimentales demuestran que la
Introduccin recuperacin exacta del vecino ms prximo utilizando
Historia en el rboles k-d en espacios con ms de 8 dimensiones no
campo de CBR mejoran significativamente la bsqueda exhaustiva
Mtodos Es por ello, que se utiliza la bsqueda aproximada,
fundamentales fijando un margen de error , alcanzndose as un
de CBR compromiso entre precisin y eficiencia.
Representacin
de Casos Entrada del algoritmo de recuperacin aproximada
Recuperacin
Una consulta donde se especifican todos los atributos
de indexacin
Adaptacin La distancia mxima alrededor de la consulta (la
Revisin distancia es el inverso de la similitud)
Aprendizaje La raz del rbol k-d donde estn indexados los casos
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
Recuperacin en 2. Eleccin de los ndices
3. Estructura de la base de casos
rboles k-d 4.
5.
Medidas de similitud
Algoritmo de recuperacin

Algoritmo
1. Se inicializa la lista de casos recuperados como una
Introduccin lista vaca
Historia en el 2. Se inicializa la lista de nodos a considerar con la raz
campo de CBR del rbol
Mtodos 3. Mientras que queden nodos en la lista de nodos, se
fundamentales extrae el primero de ellos
de CBR 1. Si el nodo es una hoja, se compara la consulta de cada
Representacin uno de los casos almacenados en l, y se aaden a la lista
de Casos de casos recuperados aquellos que estn a una distancia
menor que
Recuperacin
2. Si el nodo no es una hoja, para cada uno de sus dos hijos
se comprueba si la esfera de radio centrada en la
Adaptacin consulta intersecta con el rea definida por el hijo, si es
Revisin as se aade ste a la lista de nodos
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
Recuperacin en 2. Eleccin de los ndices
3. Estructura de la base de casos
rboles k-d 4.
5.
Medidas de similitud
Algoritmo de recuperacin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
Recuperacin en 2. Eleccin de los ndices
3. Estructura de la base de casos
rboles k-d 4.
5.
Medidas de similitud
Algoritmo de recuperacin

Introduccin
Historia en el
campo de CBR
Mtodos
fundamentales
de CBR
Representacin
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 1. Objetivo de la recuperacin: obtener el
caso ms relevante para el problema a
resolver
Uso de diferentes 2. Eleccin de los ndices
3. Estructura de la base de casos
tecnologas 4.
5.
Medidas de similitud
Algoritmo de recuperacin

Bajo la perspectiva de la metodologa CBR,

Introduccin
es posible utilizar diferentes tecnologas en
Historia en el
campo de CBR esta fase:
Mtodos Redes Neuronales
fundamentales Lgica Difusa
de CBR
Representacin Algoritmos Genticos
de Casos
Recuperacin

Adaptacin
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Tipos de adaptacin

Sin adaptacin
Un gran nmero de sistemas CBR no realizan adaptacin.
No es necesario que el sistema la realice para que resulte
til repartamos el trabajo entre mquinas y humanos de
Introduccin forma que cada uno haga lo que mejor sabe hacer
Historia en el Mtodos basados en sustitucin
campo de CBR Reinstanciacin
Mtodos Ajuste de parmetros
fundamentales Bsqueda local
de CBR Cada sistema
Bsqueda en la memoria incluye su propio
Representacin Bsqueda especializada mecanismo
de Casos
Sustitucin basada en casos
Recuperacin
Mtodos basados en transformacin
Adaptacin
Transformaciones de sentido comn
Reparacin guiada por un modelo
Revisin
Otros mtodos
Aprendizaje
Adaptacin y reparacin de propsito especial
Ejemplos de Sistemas Inteligentes
Analoga derivacional
aplicacin
 Bsqueda especializada

Es un mtodo basado en sustitucin donde se

representan instrucciones acerca de cmo encontrar
los sustitutos
Introduccin Un ejemplo SWALE
Historia en el Len Bias es un jugador de baloncesto con buena salud
campo de CBR que sufri una bajada de tensin y se mare
Mtodos Jim Fixx es un corredor de fondo que tambin sufri
fundamentales una bajada de tensin y se mare mientras corra.
de CBR Tiene un defecto en el corazn que no haba sido
Representacin detectado. Las carreras sometieron su corazn a
de Casos demasiada presin
Recuperacin Herurstica de bsqueda
Adaptacin Consltense las actividades que realizaba Len Bias y, para
cada una de ellas, considrense las acciones que se suelen
realizar en dicha actividad
Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Qu buscar y donde buscar?

La recuperacin ha tenido xito y tenemos un buen

candidato para adaptar.

Introduccin
Historia en el
campo de CBR
Problemas en la adaptacin
Mtodos
fundamentales Qu sustituimos?
de CBR Cmo afecta a la solucin un cambio en la descripcin?
Representacin Representacin explcita de relaciones de dependencia
de Casos Dnde se encuentra un sustituto?
Recuperacin Se siguen las instrucciones implcitas en el caso recuperado
Adaptacin

Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Uso de diferentes tecnologas

Al igual que en la fase de recuperacin, es

posible utilizar diferentes tecnologas en
Introduccin
Historia en el esta fase:
campo de CBR Redes Neuronales
Mtodos Lgica Difusa
fundamentales
de CBR Algoritmos Genticos
Representacin
de Casos
Recuperacin
Adaptacin

Revisin
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Tareas de la fase de revisin

Evaluar la solucin. La evaluacin coge el

resultado de aplicar la solucin propuesta
Introduccin
Historia en el por el sistema CBR al mundo real
campo de CBR (preguntndole a un experto o
Mtodos ejecutndolo). Tambin se pueden aplicar
fundamentales
de CBR tcnicas de simulacin para generar una
Representacin solucin correcta.
de Casos
Recuperacin
Adaptacin Reparar fallos. Implica detectar errores de
Revisin la solucin actual y recuperar o generar
explicaciones para ellos.
Aprendizaje
Ejemplos de Sistemas Inteligentes
aplicacin
 Tareas de la fase de aprendizaje

Extraccin de la informacin a recordar (la

descripcin, la solucin, el resultado, la
justificacin de la solucin, las causas de
Introduccin fallo,)
Historia en el
campo de CBR
Mtodos Obtencin de los ndices que sirven para
fundamentales
de CBR clasificar la nueva informacin
Representacin
de Casos
Recuperacin Integracin del conocimiento. Ubicacin del
Adaptacin nuevo caso en el lugar correcto dentro de la
Revisin base de casos, incorporacin de nuevos
Aprendizaje ndices, reorganizacin de los ndices,
construccin de abstracciones de los casos.
Ejemplos de Sistemas Inteligentes
aplicacin
Introduccin
Historia en el CHEF
campo de CBR
Mtodos CLAVIER
fundamentales HYPO
de CBR
Representacin
de Casos Algunos Sistemas CBR
Recuperacin
Adaptacin
Revisin
Aprendizaje
Ejemplos de
aplicacin Sistemas Inteligentes
Razonamiento Basado en
Casos (CBR)

Introduccin

Fernando Daz Gmez

E. U. de Informtica Segovia
Universidad de Valladolid

Sistemas Inteligentes