CBR的适用性问题（Applicability or Suitability）

CBR是一种问题求解方法，也是一种机器学习方法。前者通常可以构建专家系统expert systems（基于知识的系统knowledge-based systems），后者则多用于构建数据挖掘系统。那么，到底什么类型的问题适合采用CBR方法呢？今天就讨论一下这个问题。

1993年，Kolodner在她的书《Case-Based Reasoning》的第一章中简单讨论了这个问题，但是并没有给出定量的方法。1994年，Aamodt和Plaza的经典论文中并没有讨论这个问题，不过它指出了之前讨论此问题的论文，就是Schank的《Inside Case-Baded Reasoning》（1989）的第一章，Slade的（1991）综述《Case-Baded Reasoning: A Research Paradigm》，还有1992年Kolodner为她1993的书第一章的预发表的《An introduction to case-based reasoning》，以及1989年第一届DARPA的CBR Workshop论文集的介绍部分。最后一个我没有看到原文，其余三篇中只有Kolodner讨论了CBR的适用性问题。

1995-2004这是年间，（todo：）。

2005年，The Knowledge Engineering Review第20卷3期上出版了一个 CBR专题，共有19篇文章。其中提到：
“conversational case-based reasoning”，
“Textual case-based reasoning”，
“Distributed case-based reasoning”，
“Soft case-based reasoning”，
“Design, innovation and case-based reasoning”，
“Case-based reasoning for diagnosis applications”，
“Case-based planning”，
“Medical applications in case-based reasoning”，
“Case-based reasoning and law”，
“Case-based reasoning-inspired approaches to education”，
“Knowledge management in case-based reasoning”，
“Image processing in case-based reasoning”，
“Case-based recommender systems”，等等诸多CBR的应用类型。

用Dr. Thomas Roth-Berghofer的话来说，“similar problems have similar solutions”（CBR假设）只是一种启发式方法，由此得到的解决方案并不精确，但是，正是由于容忍了这种不足，CBR才发挥了作用，并得以构建强大的基于知识的系统。但是，在实际应用中，如果能事先对案例库进行评价，看其是否符合CBR假设，进而来判断CBR方法的适用性，由此可以大大降低开发风险。