Case Based Reasoning (CBR) — метод решения проблем рассуждением по аналогии, путем предположения на основе подобных случаев (прецедентов). Это способ решения проблем на основе уже известных решений, который широко применяется во всех областях деятельности. Например, в бизнес-анализе такое сопоставление с эталоном, целенаправленный поиск и внедрение лучших практик со стороны называется бенчмаркингом (Benchmarking) [1].
В Data Mining CBR-подход реализуется в виде методов решения новых задач на основе анализа предыдущего опыта. В частности, в Data Science именно так искусственные нейронные сети (частный случай машинного обучения, Machine Learning) вычисляют результат, вспоминая предыдущие подобные ситуации и повторно используя знания из подобных ситуаций [2].
Таким образом, можно сказать, что Case Based Reasoning — это наиболее распространенный подход к решению проблем, который применим не только к отдельным прикладным областям. CBR, как и другие техники системного анализа, могут использоваться в разных сферах. К примеру, врач советует лекарство на основе опыта лечения подобных заболеваний.
Основное понятие CBR-подхода — это прецедент (case, кейс) – структурированное представление накопленного опыта в виде данных и знаний, обеспечивающее его последующую автоматизированную обработку при помощи специализированных программных систем. Обычно, помимо непосредственного описания проблемной ситуации, прецедент содержит также сведения о действиях, которые нужно выполнить для решения данной задачи [3].
Для автоматизированного решения проблем на основе CBR-подхода необходима накопленная база прецедентов, специфичная для данной доменной области. Она может быть организована на основе корпоративного озера данных (Data Lake) и интегрирована с BI-системой (Business Intelligence). Множество современных BI-решений и продуктов с модулями предиктивной аналитики можно отнести к классу Case Based Reasoning.
Многие Big Data системы используют прецедентный подход для извлечения полезных для бизнеса сведений из множества собираемых и анализируемых данных. К примеру, именно по такому принципу построены современные системы обнаружения мошенничества (antifraud, антифрод) в финансовой сфере. Подобным образом работают и антивирусное программное обеспечение с использованием алгоритмов Machine Learning, о чем мы подробнее рассказываем здесь.
Источники
- https://ru.wikipedia.org/wiki/Бенчмаркинг
- https://www.sciencedirect.com/science/article/abs/pii/S1568494611002171
- http://www.safety-irk.ru/files/Papers/FTP-CBRinIndystry.pdf