[论文解读] Adaptation Knowledge Discovery from a Case Base

Mathieu d’Aquin, Fadi Badra+4 more|arXiv (Cornell University)|Oct 27, 2006

Data Mining Algorithms and Applications参考文献 4被引用 6

一句话总结

本文提出CabamakA，一种半自动系统，利用数据库知识发现（KDD）技术从案例库中挖掘适应知识。通过分析所有案例对以提取问题与解决方案变体的频繁闭项集（FCIs），CabamakA生成经领域专家验证的可解释适应规则，显著提升了医疗决策支持中的案例推理能力。

ABSTRACT

In case-based reasoning, the adaptation step depends in general on domain-dependent knowledge, which motivates studies on adaptation knowledge acquisition (AKA). CABAMAKA is an AKA system based on principles of knowledge discovery from databases. This system explores the variations within the case base to elicit adaptation knowledge. It has been successfully tested in an application of case-based decision support to breast cancer treatment.

研究动机与目标

• 为解决案例推理（CBR）系统中获取领域特定适应知识的挑战。
• 开发一种可扩展的半自动方法，从大型案例库中发现可重用的适应规则。
• 通过受 KDD 启发的交互式框架，确保发现规则的可解释性与专家验证。
• 在真实世界的乳腺癌治疗决策支持医疗 CBR 系统中应用该方法。

提出的方法

• 系统处理案例库中所有不同案例的有序对，n 个案例共生成 n(n−1) 个对。
• 每个案例对被转换为事务，使用带符号的属性表示法编码问题与解决方案的差异（例如，‘a−_pb’，‘c=_pb’，‘d+_pb’）。
• 使用 Charm 算法从这些事务中挖掘频繁闭项集（FCIs），以概括常见的变体模式。
• 由领域专家解释提取出的 FCIs，作为候选适应规则，并对每条规则进行验证与解释。
• 形式化采用 OWL DL 表示案例、解决方案及领域本体，确保标准化与可重用性。
• 系统支持 FCIs 的导航与组织，以减轻专家解释过程中的认知负荷。

实验结果

研究问题

• RQ1 如何在确保可解释性与专家验证的前提下，自动从案例库中发现适应知识？
• RQ2 分析所有案例对（而非仅相似案例对）对发现的适应规则的质量与多样性有何影响？
• RQ3 KDD 技术（如频繁闭项集挖掘）能否有效概括案例间的变体模式，以用于 CBR？
• RQ4 如何使生成的适应规则在真实世界的医疗决策支持系统中易于理解与使用？

主要发现

• CabamakA 从约 750 个案例的案例库中成功发现多条可解释且可重用的适应规则，分析了约 500,000 个案例对。
• 使用所有案例对而非仅相似案例对，显著提升了发现变体模式的多样性与覆盖范围。
• 专家验证与解释生成的整合显著提升了发现规则在临床环境中的可信度与可用性。
• 该系统在真实世界乳腺癌治疗决策支持应用中展现出可行性与有效性。
• 采用 OWL DL 进行知识表示，实现了不同 CBR 应用间的可重用性与标准化。
• 未来工作指出，需改进 FCIs 的组织方式（如分层结构或主题聚类），以提升专家导航效率与规则选择能力。