Modellieren, Lernen und Verarbeiten von Erfahrungswissen im Case-Based Reasoning auf der Grundlage präferenzbasierter Methoden - Präferenzbasiertes CBR

点击翻译按钮获取中文摘要

Im Bereich der Künstlichen Intelligenz ist das so genannte Fallbasierte Schließen (Case-Based Reasoning, CBR) ein etabliertes Problemlösungsparadigma mit vielfältigen Anwendungsmöglichkeiten. Trotz seines beträchtlichen praktischen Erfolges besitzt das CBR nach wie vor ein Entwicklungspotential im Hinblick auf theoretische und methodische Grundlagen. Aufbauend auf neueren Arbeiten im Bereich der Präferenzverarbeitung verfolgt dieses Projekt das Ziel, einen allgemeinen methodischen Rahmen auf der Basis einer präferenzbasierten Formalisierung des CBR zu entwickeln. Ein präferenzbasierter Ansatz erscheint aus mehreren Gründen interessant, insbesondere deshalb, weil sich fallbasiertes Erfahrungswissen häufig sehr natürlich mithilfe von Präferenzrelationen abbilden lässt - selbst dann, wenn es sich nicht direkt um Präferenzinformation handelt. Zudem kommt die Flexibilität und Ausdrucksstärke eines präferenzbasierten Formalismus dem unsicheren und approximativen Charakter des fallbasierten Problemlösens entgegen. Besondere Aufmerksamkeit wird dem gemeinsamen Thema des Paketantrages gewidmet, nämlich der Verwendung des CBR zum Verarbeiten von Erfahrungswissen in Internet communities. In diesem Kontext wird Präferenzinformation auf natürliche Art und Weise erzeugt und muss deshalb adäquat formalisiert und verarbeitet werden. Gemeinsam mit den Projektpartnern soll eine konkrete Applikation in der Anwendungsdomäne des Kochens realisiert werden.