刘连喜，邢 彤，徐 浩，王 伟，高 凯

（1.河北科技大学财务处，河北石家庄 050018；2.河北化工医药职业技术学院，河北石家庄 050026；3.河北科技大学信息科学与工程学院，河北石家庄 050018）

分类算法在范例推理中的研究与应用

刘连喜1，邢 彤1，徐 浩2，王 伟3，高 凯3

（1.河北科技大学财务处，河北石家庄 050018；2.河北化工医药职业技术学院，河北石家庄 050026；3.河北科技大学信息科学与工程学院，河北石家庄 050018）

将范例推理中的范例初步匹配看作文本分类的特殊情形，提出基于类别中心向量的分类算法。通过确定待处理案例的归属类别，缩小范例检索范围，减少在范例精确匹配阶段的计算量，提高案例初步匹配的准确性。在此基础上，将上述算法应用在对交通事故案例的处理与交通信息预警系统中。实验与使用表明，该算法能较为准确地判断事故类型并给出相应的预警信息。

人工智能；自然语言处理；分类；信息检索；范例推理

范例推理（case－based reasoning，CBR）作为基于规则推理技术的一个重要补充，是当前人工智能及机器学习领域中的热门课题与前沿研究方向之一。CBR的执行过程如图1所示，主要包括检索相似案例、重用相似案例并推断新案例解决方案、修订解决方案、保存新案例以备后用等。由于CBR具有信息的完全表达、增量式学习、形象思维的准确模拟、求解效率高等特点，因此能够应用在那些没有很强的理论模型和领域知识不完全的决策环境中［1］。目前，关于范例推理的研究主要集中在以下几个方……