Resumen de Temporal case-base maintenance
- español
El Razonamiento Basado en Casos (CBR de sus siglas en inglés, Case-Based Reasoning) es una metodología para la resolución de problemas por analogía con problemas ya resueltos. La base del CBR son los casos, piezas independientes de conocimiento donde queda representada la asociación entre un problema y su solución, donde los casos se agrupan en una base de conocimiento conocida como base de casos. La cantidad de casos puede ser una señal de la experiencia de un sistema CBR resolviendo problemas del dominio. Sin embargo, tener bases de casos grandes no garantiza que el sistema CBR los resuelva mejor. Al contrario, una acumulación de muchos casos podría deteriorar el tiempo de respuesta del proceso de razonamiento y, en ciertos escenarios, afectar negativamente la correcta resolución de ciertos tipos concretos de problemas. Las tareas de Mantenimiento de Base de Casos (CBM) tienen entre sus objetivos la reducción del número de casos dentro de la base de casos sin empeorar la capacidad de resolución de problemas de proceso de razonamiento CBR. El CBM es esencial cuando CBR es utilizado en dominios de problemas dependientes del tiempo, donde el CBR tiene que incluir técnicas de representación temporal en las descripciones de sus casos. No obstante, dichas representaciones temporales implican estructuras de casos más complejas y hacen más difícil y costoso cuantificar la similitud entre casos. Esto implica tener una base de casos lo más pequeña posible, de forma que no se degrade las capacidades de resolución de problemas. Sin embargo, hasta cuanto nosotros sabemos, no se han propuesto algoritmos CBM para realizar mantenimiento en bases de casos temporales. Por ello, en esta tesis nosotros proponemos: (i) un método de evaluación para estudiar los efectos de la utilización de los algoritmos CBM en el rendimiento del sistema CBR; (ii) un marco de trabajo temporal para ser utilizado en sistema CBR temporal; y (iii) un conjunto a de algoritmos CBM temporales. Además, también proponemos un algoritmo CBM basado en una optimización multiobjetivo. Por último, nuestras propuestas e hipótesis han sido probadas con datos de un sistema de monitorización de personas mayores en el hogar. En particular, los experimentos llevados a cabo apoyan la idoneidad de nuestras propuestas de evaluación para estudiar las consecuencias de utilizar CBM en un sistema CBR. Además, los experimentos también apoyan nuestra hipótesis inicial de que es posible utilizar exitosamente las tareas de mantenimiento a bases de casos temporales utilizando nuestras propuestas de algoritmos temporales.
- English
Case-Based Reasoning (CBR) is a problem-solving methodology that solves problems by analogy with previously solved problems. The basis of CBR is a case, an independent piece of knowledge that associates the description of a problem with its solution, where cases are retained in a knowledge-source known as a case-base. The amount of cases may be a sign of the expertise of the CBR system for solving the problem domain. However, having a large case-base does not guarantee an improvement of the problem-solving capability. On the contrary, an accumulation of many cases may lengthen the response time of the reasoning process and, in certain scenarios, negatively affect the correct solution of certain types of problem. Case-Base Maintenance (CBM) tasks reduce the number of cases within the case-base without affecting the problem-solving accuracy of the reasoning process. CBM is essential when CBR is used in time dependant domains where CBR has to include temporal representation techniques in case descriptions. Nevertheless, temporal representation implies more complex case structures and makes it more difficult and costly to quantify the similarity between cases. This means the case-base should be as small as possible without harming its problem solving capabilities. However, to our knowledge, no algorithm has been proposed to perform CBM in case-bases with temporal cases. In this thesis, we propose: (i) an evaluation method to study the effects of using CBM algorithms on CBR performance; (ii) a temporal framework for use in temporal CBR; and (iii) a set of temporal CBM algorithms. In addition, a new CBM algorithm based on a multiobjective optimization evolutionary approach is proposed. Lastly, our proposals and hypotheses are tested with data of elderly people monitored at home. In particular, the experiments conducted confirm the suitability of our proposed evaluation method to study the consequences of using CBM. Moreover, the experiments also support our initial hypothesis that it is possible to successfully perform a maintenance task on temporal case-bases with the proposed temporal CBM algorithms.
