RBC book

Prévia do material em texto

See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/262272507
Raciocínio Baseado em Casos
Book · June 2003
CITATIONS
32
READS
393
2 authors:
Some of the authors of this publication are also working on these related projects:
Telemedicina SES/SC View project
Workflow View project
Aldo Von Wangenheim
Federal University of Santa Catarina
461 PUBLICATIONS   1,157 CITATIONS   
SEE PROFILE
Christiane Gresse von Wangenheim
Federal University of Santa Catarina
201 PUBLICATIONS   1,501 CITATIONS   
SEE PROFILE
All content following this page was uploaded by Aldo Von Wangenheim on 14 May 2014.
The user has requested enhancement of the downloaded file.
v
SUMÁRIO
1. Introdução 1
1.1. O que é este 
Livro? 4
1.2. Para quem é este 
Livro? 5
1.3. Estrutura do Livro 5
1.4. Como Usar este Livro? 6
1.5. Agradecimentos 7
2. O que é Raciocínio Baseado em Casos? 9
2.1. Objetivos deste 
Capítulo 10
2.2. Usando Casos 11
2.3. Elementos Básicos do RBC 13
2.4. Representação do Conhecimento 13
2.5. Como 
Funciona RBC? 17
2.6. Exemplo de RBC 20
2.7. Como Encontrar o Caso mais Similar? 27
2.8. Vantagens e Limitações do RBC 29
vi Ch.G.v.Wangenheim e A.v.Wangenheim
Sumário
3. História do RBC 35
3.1. Primeiros Enfoques 35
3.2. Primeiros Sistemas 39
3.3. Usando Aprendizado de Máquina 50
3.4. Pesquisas Atuais 52
3.5. Outros 
Grupos 63
3.6. Tendências 71
4. Representação 
de Casos 73
4.1. Componentes Básicos de um Caso 75
4.2. Descrição do Problema 77
4.3. Descrição da Solução 79
4.4. Resultados 80
4.5. Como 
Representar Casos? 82
4.6. Representações Atributo-Valor 84
4.7. Representação Orientada a Objetos 89
4.8. Árvores e Grafos 95
4.9. Redes Semânticas 96
4.10. Árvores k-d 100
4.11. Discussão: Rede ou Árvore? 106
4.12. Como Estruturar 
Casos? 106
5. Similaridade 111
5.1. Similar = Útil? 112
5.2. Utilidade 112
5.3. Metas de Recuperação 115
5.4. Indexação 117
5.5. Critérios de Indexação 119
5.6. Métodos de Indexação 119
5.7. Similaridade 122
5.8. Modelos para Determinação de Similaridade Global 126
5.9. Medidas de Similaridade Locais 141
5.10. Similaridade
entre 
Objetos 154
Raciocínio Baseado em Casos vii
6. Recuperação de Casos 165
6.1. Processo de Recuperação de Casos 166
6.2. Assessoramento da Situação 167
6.3. Casamento 171
6.4. Seleção 172
6.5. Recuperação Seqüencial 173
6.6. Características da 
Recuperação 175
6.7. Recuperação de dois Níveis 178
6.8. Recuperação Orientada a Índices 184
6.9. Recuperação com Árvores k-d 186
6.10. Redes de Recuperação de Casos 192
6.11. Discussão: Qual Método Usarei? 198
7. Reutilização de Casos 199
7.1. Estratégias de Adaptação 203
7.2. Adaptação Nula 205
7.3. Adaptação Transformacional 205
7.4. Adaptação Substitu-cional 206
7.5. Adaptação Estrutural 213
7.6. Adaptação Gerativa e Derivacional 214
7.7. Adaptação Composicional 229
7.8. Adaptação Hierárquica 232
8. Revisão de Casos 237
8.1. Avaliação de Soluções 239
8.2. Eliminação de Falhas 240
9. Retenção de 
Novos Casos 243
9.1. Tipos de Retenção 244
9.2. Processo de Retenção 246
9.3. Aprendizado Baseado em Casos 250
9.4. Componentes 255
9.5. IBL1 257
9.6. IBL2 257
9.7. IBL3 259
9.8. Discussão 261
viii Ch.G.v.Wangenheim e A.v.Wangenheim
Sumário
10. Aplicações 
de RBC 263
10.1. Áreas de Aplicação 264
10.2. Classificação 265
10.3. Diagnóstico 266
10.4. Projeto e Configuração 268
10.5. Planejamento 271
10.6. Suporte à Decisão 272
10.7. Suporte a Vendas 274
10.8. Tutoriais e Ensino a Distância 279
11. Desenvolvimento de Aplicações usando RBC 281
11.1. O Shell CBR-Works 282
11.2. Cenário de Aplicação: Agência de Viagens Virtual 283
12. Referências 309
13. Índice Remissivo 329
1
1 INTRODUÇÃO
“In order to solve a new problem, one should
first try using methods similar to those that
have worked on similar problems.” 
Marvin Minsky
O Raciocínio Baseado em Casos (RBC)1 estabeleceu-se
nos últimos anos como uma das tecnologias mais popu-
lares e disseminadas para o desenvolvimento de Siste-
mas Baseados em Conhecimento.
Raciocínio Baseado em Casos é uma abordagem para a
solução de problemas e para o aprendizado com base
em experiência passada. De uma forma simplificada,
podemos entender o Raciocínio Baseado em Casos
como a solução de novos problemas por meio da
utilização de casos anteriores já conhecidos. Um
novo problema que nos é apresentado é resolvido com
a reutilização da solução de um problema anterior pare-
1. Do inglês, Case-Based Reasoning (CBR).
2 Ch.G.v.Wangenheim e A.v.Wangenheim
Introdução
cido com o atual. Esta solução pode ser aplicada em sua
totalidade ou apenas parcialmente no novo problema,
podendo ainda ser modificada de acordo com os requisitos
da nova situação. A disciplina do processamento do conhe-
cimento baseado em casos tem início na observação de que
se trata de uma estratégia de solução de problemas comu-
mente adotada por especialistas humanos em muitas situa-
ções. As pessoas recordam-se da solução que elas mesmas
elaboraram ou aprenderam para uma determinada situação
parecida com a que estão confrontando atualmente e tentam
aplicar as soluções que já conhecem ao problema atual, sem
passar pelo complexo e demorado processo de elaborar
uma nova solução a partir do zero, evitando assim ter de
resolver o novo problema passo a passo.
Neste contexto, o RBC pode funcionar inclusive como um
modelo cognitivo para se entender alguns aspectos do pen-
samento e comportamento humanos, além de ser uma tec-
nologia extremamente simples de se usar para construir
sistemas computacionais inteligentes e resolver problemas
reais em áreas como a do comércio eletrônico, centrais de
atendimento ao cliente e mesmo diagnóstico médico. 
Usando Experiência Com seu enfoque na utilização de experiências, o Raciocínio
Baseado em Casos diferencia-se radicalmente de outras
metodologias para o desenvolvimento de programas e siste-
mas da área da Inteligência Artificial (IA). Ao contrário de
enfoques tradicionais para encontrar uma solução para um
problema em IA, em que se descreve conhecimento gené-
rico na forma de regras, quadros, roteiros etc., no Raciocínio
Baseado em Casos é o conhecimento específico, na forma
de exemplos concretos de casos, que se encontra no centro
do processo de solução de um problema. A visão de mundo
reducionista, voltada ao processo de solução do problema
de um sistema orientado a regras, como em sistemas especi-
alistas tradicionais, dá lugar a uma visão orientada a metas e
soluções, no enfoque baseado em casos.
Raciocínio Baseado em Casos é aplicável de forma simples e
direta a um espectro extremamente grande de problemas e
Raciocínio Baseado em Casos 3
situações reais, o que justifica seu sucesso e rápida aceitação
por quem desenvolve sistemas inteligentes em todo o
mundo. Este espectro pode variar de situações ricas em
conhecimento, em que a construção de uma solução para
um problema é um processo complexo, até situações
pobres em conhecimento, cujos casos à disposição são a
única fonte de informação que um sistema tem para sugerir
uma solução a um problema. RBC oferece a possibilidade
de se modelar e analisar o comportamento de aprendizado e
resolução de problemas humanos e é capaz de integrar
capacidade de aprendizado e solução construtiva de proble-
mas. RBC possui muitas vantagens, que permitem a um sis-
tema computacional propor soluções para problemas de
uma forma extremamente rápida, e elaborar raciocínios em
domínios do conhecimento mal compreendidos ou descri-
tos de forma incompleta. RBC também permite gerar e ava-
liar soluções para problemas em áreas onde um algoritmo
de solução não é conhecido ou mesmo onde a relação exata
entre os problemas e suas soluções ainda nãoé totalmente
conhecida, como por exemplo na relação entre os dados
meteorológicos atuais em uma região e a previsão do
tempo. 
Do ponto de vista comercial, sistemas baseados em casos
estão vivendo um período de expansão extremamente
rápida, encontrando um número crescente de aplicações.
RBC tem sido utilizado em um amplo espectro de domínios
de aplicação, incluindo-se aí análise financeira, assessora-
mento de riscos, manutenção de equipamentos, controle de
processos, controle da qualidade, diagnóstico médico,
suporte a sistemas de software, previsão em diversas áreas,
planejamento automatizado, projeto auxiliado por compu-
tador, classificações de objetos, interpretação de imagens,
avaliação imobiliária, atendimento personalizado no comér-
cio eletrônico, suporte ao cliente, gerência do conheci-
mento, etc. Isto se deve ao fato de que aplicações usando
RBC são muito fáceis de serem projetadas e implementadas,
oferecem ao usuário capacidade para deduzir e justificar de
forma convincente as decisões e ações tomadas e também,
em comparação com outras técnicas da Inteligência Artifi-
«I predict that 20
years from now
Case-Based
Reasoning will be
the most impor-
tant application of
Artificial Intelli-
gence.»
Marvin Minsky,
1991
4 Ch.G.v.Wangenheim e A.v.Wangenheim
Introdução
cial, permitem que se criem aplicações com muito pouco
esforço e custo. 
1.1. O QUE É 
ESTE 
LIVRO?
O objetivo deste livro é oferecer uma visão geral de fácil
compreensão da tecnologia RBC e também instrumentos
para que o leitor possa aplicar a tecnologia na prática. O
livro cobre todas as técnicas modernas de RBC mais efetivas
para a solução de problemas reais, com exemplos práticos, e
oferece também uma visão técnica detalhada do processo e
métodos do RBC. 
Pode ser usado ao mesmo tempo como um livro didático e
como um manual de desenvolvimento. Foi escrito com
enfoque tanto em uma descrição clara e teoricamente bem
fundamentada das técnicas básicas e avançadas de RBC,
como também em aplicações, sistemas e ferramentas exis-
tentes e requisitos para as diversas áreas de aplicação. 
Este é o primeiro livro a apresentar uma visão unificada e
coerente do campo de RBC. Inclui os mais importantes
resultados de pesquisas recentes na área. Hoje em dia não
existe literatura suficiente sobre técnicas e métodos de RBC,
apesar da popularidade que o tema vem obtendo. Assim há
necessidade de uma publicação abrangente, bem fundamen-
tada, que também enfoque técnicas modernas e conceitos
avançados, permitindo ao leitor utilizá-la de forma efetiva
como um guia de desenvolvimento de aplicações. 
A falta de literatura sobre RBC deve-se, em parte, ao fato de
que o RBC, ao contrário da maioria dos métodos e técnicas
da informática tradicionalmente desenvolvidos e lançados
ao mundo nos EUA, atingiu a sua “maturidade” como tec-
nologia de gerência e manipulação de conhecimento na pri-
meira metade da década de 1990 em alguns grupos de
pesquisa na Europa, principalmente na Alemanha. Devido a
isso, muitos livros e publicações técnicas avançadas sobre
RBC foram editados em inglês ou alemão e não são acessí-
veis ao grande público. Com este livro, os autores preten-
dem preencher essa lacuna.
Raciocínio Baseado em Casos 5
Para quem é este Livro?
1.2. PARA QUEM É 
ESTE 
LIVRO?
Este livro é dirigido a todos aqueles que têm interesse em
aspectos técnicos e teóricos do Raciocínio Baseado em
Casos. 
Pode ser utilizado como livro-texto em um curso de Ciência
da Computação ou em outras áreas da Informática. Em vir-
tude de sua estrutura didática e da elaboração progressiva
do assunto, pode ser usado tanto em cadeiras de Sistemas
Especialistas ou Inteligência Artificial como em uma cadeira
voltada exclusivamente para Raciocínio Baseado em Casos,
na graduação ou na pós-graduação. 
Evidentemente, é também dirigido a todos aqueles que este-
jam interessados em desenvolver ou integrar uma aplicação
de RBC, não só provendo a fundamentação teórica, mas
também servindo ao leitor como guia prático para o desen-
volvimento de seu próprio sistema.
Além disso, é também voltado ao usuário final, a Gerentes
de Tecnologia de Informação de empresas e a outros que
necessitem tomar decisões sobre qual tecnologia usar em
seus sistemas de comércio eletrônico para relacionar-se com
o cliente e antendê-lo, provendo-lhes um visão geral dos
benefícios potenciais e das limitações de aplicações usando
RBC na prática.
1.3. ESTRUTURA 
DO LIVRO
Para facilitar a leitura deste livro, todos os capítulos técnicos
estão, em sua maioria, organizados em três partes: 
• objetivos do capítulo e uma visão geral do assunto do
capítulo, 
• uma descrição dos aspectos fundamentais do assunto do
capítulo, e 
• um conjunto de seções avançadas, nas quais o assunto é
aprofundado e problemas e situações de aplicação
específicas são abordados. 
Dessa forma, existem três possíveis leituras de cada capí-
tulo: uma leitura informativa; uma leitura para compreensão
dos fundamentos teóricos, técnicas e aplicações básicas; e
6 Ch.G.v.Wangenheim e A.v.Wangenheim
Introdução
uma leitura aprofundada. Assim, o leitor que estiver com
pouco tempo disponível poderá realizar uma leitura abrevi-
ada do livro e obter uma visão panorâmica de todos os
aspectos do RBC, por outro lado, um desenvolvedor pode
encontrar respostas para questões técnicas específicas.
Exceção a esta organização é o primeiro grupo de capítulos,
formado pelos capítulos 2 e 3, os quais em função de sua
generalidade, deveriam ser lidos na íntegra por todos os lei-
tores.
1.4. COMO USAR 
ESTE LIVRO?
O livro está dividido em quatro grandes grupos de capítulos:
Visão Geral e Histórico
Esta parte engloba o capítulo 2, O que é Raciocínio Baseado em
Casos?, e o capítulo 3, História do RBC. 
Esta parte do livro apresenta, em linhas gerais, o que é RBC,
a história do surgimento e descreve as atuais aplicações
desta tecnologia, as metodologias fundamentais para a
representação do conhecimento em RBC e as formas e
estratégias adotadas por RBC na solução de problemas e
geração de respostas.
Fundamentação Teórica e Técnicas Básicas
Esta parte do livro engloba os capítulos 40 - Representação de
Casos, 50 - Similaridade, 60 - Recuperação de Casos, 70 - Métodos de
Recuperação, 80 - Reutilização de Casos, 90 - Revisão de Casos e 100
- Retenção de Novos Casos. Aborda, em detalhes, tanto do
ponto de vista teórico e técnico, quanto do ponto de vista
de desenvolvimento de aplicações, os quatro pontos funda-
mentais da tecnologia RBC.
A compreensão do conteúdo destes capítulos permitirá ao
leitor dominar as técnicas necessárias para o desenvolvi-
mento de um sistema de RBC para a grande maioria das
áreas de aplicação dessa tecnologia. 
Em conjunto com os quatro anteriores, podem ser utiliza-
dos como texto para um capítulo de RBC em uma cadeira
Raciocínio Baseado em Casos 7
Agradecimentos
de Inteligência Artificial ou de Sistemas Especialistas em
um curso de graduação ou de pós-graduação em Ciências da
Computação.
Aplicações, Ferramentas, Sistemas
A última parte do livro engloba os capítulos 11 - Aplicação de
RBC e 12 - Desenvolvimento de Aplicações usando RBC. São capí-
tulos que interessam diretamente, tanto a quem desenvolve
sistemas inteligentes, que aqui pode encontrar justificativas
para sua escolha de uma ou outra tecnologia, com exemplos
de como problemas semelhantes ao seu foram resolvidos
no passado, e descobrir a ferramenta mais indicada para a
sua aplicação, como também ao Gerente de Tecnologia da
Informação de uma empresa que precisa decidir sobre qual
tecnologia usar para desenvolver um projeto ou aplicação.
No Capítulo 13, em especial, é oferecida uma visão geral de
ferramentas existentes, com exemplos, e também um tuto-
rial usando a mais conhecida delas, CBR-Works, ensinando
todos os passos do desenvolvimentode uma aplicação de
uma loja virtual para montagem e venda de pacotes de via-
gem pela Internet.
Para a elaboração de um seminário em um curso de gradua-
ção, este último conjunto de capítulos complementa o pri-
meiro grupo de capítulos e provê uma visão geral das
técnicas, suas vantagens, suas aplicações e fornece instru-
mentos para os alunos desenvolverem trabalhos práticos.
1.5. AGRADECI-
MENTOS
Os autores desejam agradecer a todos aqueles que participa-
ram, direta ou indiretamente, na elaboração deste livro, em
especial ao Professor Michael M. Richter, ao Grupo de Sis-
temas Baseados em Conhecimento da Universidade de Kai-
serslautern, aos pesquisadores e empreendedores do RBC,
Klaus Dieter-Althoff, Stefan Wess, Hector Muñoz, Ralph
Bergmann e Sascha Schmidt, e, por fim, aos amigos cientis-
tas Ian Watson, David Aha, Rosina Weber e Qiang Yang,
por discussões frutíferas e opiniões construtivas.
8 Ch.G.v.Wangenheim e A.v.Wangenheim
Introdução
9
2 O QUE É 
RACIOCÍNIO 
BASEADO EM CASOS?
“A case-based reasoner solves new
problems by adapting solutions that
were used to solve old problems” 
C. K. Riesbeck & R. C. Schank
Nos últimos anos, o Raciocínio Baseado em Casos
(RBC) [Wes95, AP94,Kol93] surgiu como uma técnica
poderosa para solução automática de problemas. RBC é
aplicável de forma simples e direta a um amplo espectro
de tarefas, todas tipicamente relacionadas à Inteligência
Artificial (IA). 
A idéia básica do enfoque de RBC é resolver um novo
problema relembrando uma situação anterior similar e,
10 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
então, reutilizando informação e conhecimento daquela
situação [RS89]. 
2.1. OBJETIVOS 
DESTE 
CAPÍTULO
Neste capítulo será fornecida ao leitor uma visão geral da
teoria, das tecnologias e das aplicações de RBC. Para isso,
abordaremos cada uma das técnicas mais importantes e for-
neceremos, passo a passo, um exemplo de um sistema de
RBC para diagnóstico de defeitos em impressoras, o qual
servirá como linha-mestra para exemplificar e explicar as
metodologias e aspectos do RBC que serão descritos neste
capítulo. Cada aspecto da teoria ou técnica que for sendo
descrito neste capítulo será demonstrado com utilização
desse exemplo.
Ao final do capítulo será realizada uma discussão sobre as
vantagens do RBC em relação a outras tecnologias, em apli-
cação em problemas similares. Citaremos vários aspectos
técnicos que serão detalhados no decorrer deste livro.
O objetivo deste capítulo é apresentar ao leitor uma visão
panorâmica do RBC e fornecer-lhe uma compreensão ini-
cial, fundamentada em exemplos, do que seja um sistema de
RBC simples. 
Ao término da leitura deste capítulo, o leitor terá uma visão
geral da estrutura e funcionalidade de um sistema típico de
RBC, e será capaz de vislumbrar as suas potencialidade de
aplicação, sua forma de organização e as técnicas para a
implementação de um sistema de RBC simples. Todos os
aspectos teóricos e técnicos abordados aqui serão aprofun-
Raciocínio Baseado em Casos é um enfoque para a solução
de problemas e para o aprendizado baseado em experiência
passada. RBC resolve problemas ao recuperar e adaptar expe-
riências passadas - chamadas casos - armazenadas em uma base
de casos. Um novo problema é resolvido com base na adapta-
ção de soluções de problemas similares já conhecidas.
Raciocínio Baseado em Casos 11
Usando Casos
dados e fundamentados nos capítulos subseqüentes.
Este capítulo fornecerá ao leitor também os instrumentos
para que possa direcionar a sua leitura dos capítulos posteri-
ores, escolhendo aqueles que lhe interessam, em relação ao
seu problema particular. 
2.2. USANDO 
CASOS 
Um grande número de exemplos da vida diária pode ser uti-
lizado para demonstrar como seres humanos utilizam casos
conhecidos como uma forma de resolução de problemas de
um modo extremamente natural. 
Veja alguns exemplos: 
• Ao atender um novo paciente e escutar seus problemas,
o médico lembra-se do histórico da doença de um outro
paciente devido ao conjunto similar de sintomas, e
aplica-lhe um tratamento semelhante ao que administrou
ao paciente que apresentou aqueles sintomas similares:
«Os problemas apresentados nos ouvidos do paciente são parecidos
com um caso típico de otite média. Assim vou administrar-lhe um
tratamento para otite média.». 
• Um técnico de serviço de um determinado tipo de
aparelhos lembra-se de um defeito similar no tipo de
máquina que está tentando consertar: «Essa TV tem os
mesmos problemas de uma que eu consertei na semana passada,
então, também vou trocar as válvulas de saída de áudio.»
• Um profissional jurídico reforça os seus argumentos
com jurisprudências semelhantes: «Esse caso deve ser
decidido como no caso Santos versus de Silva.»
• Um arquiteto estuda as plantas de um prédio já existente
ao planejar uma construção similar: «No ano passado fiz
uma casa de praia com três quartos, na encosta de um morro, vou
usar o plano daquele caso como uma base.»
• Um vendedor relata para um cliente com necessidades e
características semelhantes as de um cliente anterior fatos
sobre a venda com sucesso de um determinado produto:
«Muitos estudantes ficam nesse hotel em Porto de Galinhas.» 
12 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
Todas estas situações têm em comum o fato de que uma
solução para um problema obtida no passado foi reutilizada
para guiar a solução do problema na situação presente. Raci-
ocínio Baseado em Casos (RBC) é a tecnologia de Inteligên-
cia Artificial inspirada neste modelo de cognição e
comportamento humanos. 
A tecnologia de RBC pode ser vista de dois pontos de vista
diferentes. Pode ser considerada como uma metodologia
para modelar o raciocínio e o pensamento humanos e tam-
bém como uma metodologia para construir sistemas com-
putacionais inteligentes. 
RBC é um 
paradigma 
de resolução de 
problemas
RBC é um novo paradigma para resolução de problemas
que em muitos aspectos difere de forma fundamental de
outros enfoques da Inteligência Artificial [AP94]. Em vez de
se basear unicamente em conhecimento generalizado acerca
de um domínio de problemas ou de realizar associações
lógicas ao longo de relacionamentos abstratos entre descri-
tores de problemas e conclusões, RBC é capaz de utilizar o
conhecimento específico de soluções de problemas concre-
tos, experimentadas anteriormente, denotadas como casos. 
Figura 2.1 Modelo básico do enfoque RBC.
Solução nova
Problema novo
BASE DE CASOS
Adaptação
Similaridade
CASO 1
Solução
Problema
CASO n
Raciocínio Baseado em Casos 13
Elementos Básicos do RBC
2.3. ELEMENTOS 
BÁSICOS DO 
RBC
Os elementos básicos de um sistema de RBC são (veja
figura 2.1):
• Representação do Conhecimento: Em um sistema de
RBC, o conhecimento é representado principalmente em
forma de casos que descrevem experiências concretas.
No entanto, se for necessário, também outros tipos de
conhecimento sobre o domínio de aplicação podem ser
armazenados em um sistema de RBC (por exemplo,
casos abstratos e generalizados, tipos de dados, modelos
de objetos usados como informação). 
• Medida de Similaridade: Temos de ser capazes de
encontrar um caso relevante para o problema atual na
base de casos e responder à pergunta quando um caso
relembrado for similar a um novo problema. 
• Adaptação: Situações passadas representadas como
casos dificilmente serão idênticas às do problema atual.
Sistemas de RBC avançados têm mecanismos e
conhecimento para adaptar os casos recuperados
completamente, para verificar se satisfazem às
características da situação presente.
• Aprendizado: Para que um sistema se mantenha
atualizado e evolua continuamente, sempre que ele
resolver um problema com sucesso, deverá ser capaz de
lembrar dessa situaçãono futuro como mais um novo
caso. 
Nas próximas seções serão apresentados os aspectos teóri-
cos e técnicos básicos. Cada um desses aspectos será poste-
riormente aprofundado em um capítulo próprio,
juntamente com aspectos avançados que não serão aborda-
dos neste capítulo. 
2.4. REPRESENTA-
ÇÃO DO 
CONHECI-
MENTO
A representação do conhecimento é um aspecto tão impor-
tante do RBC que lhe será dedicada uma seção especial
neste capítulo. 
A forma principal de representação de conhecimento em
um sistema de RBC são os casos. Um caso é uma peça de
14 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
conhecimento contextualizado que registra um episódio em
que um problema ou situação problemática foi total ou par-
cialmente resolvido. 
Um caso representa tipicamente a descrição de uma situação
(problema) conjuntamente com as experiências adquiridas
(solução) durante a sua resolução (veja figura 2.2), sendo
visto como essa associação dos dois conjuntos de informa-
ções: descrição do problema e respectiva solução. 
Casos representam
experiências
concretas
Casos podem, por exemplo, representar:
• o conjunto dos sintomas de um paciente e os passos do
tratamento médico aplicado;
• a descrição dos sintomas do defeito técnico apresentado
por um equipamento (por exemplo: uma impressora) e
da estratégia de conserto aplicada;
• os objetivos de um processo legal e a respectiva
jurisprudência;
Figura 2.2 Exemplo simplificado de um caso.
CASO 1
Problema: Impressora não funciona
Modelo: Robotron Matrix 600
Luz de estado do papel: apagada
Luz de estado da tinta colorida: apagada
Luz de estado da tinta preta: apagada
Estado do interruptor: ligadoP
ro
bl
em
a/
Si
nt
om
as
Diagnóstico: Curto-circuito
Ação: Troca da fonte de alimentação
So
lu
çã
o
atributo
valor
Raciocínio Baseado em Casos 15
Representação do Conhecimento
• os requisitos para um prédio e sua respectiva planta de
construção;
• a descrição de um pacote de viagem. 
Um caso pode também conter outros itens, como os efeitos
da aplicação da solução ou a justificativa para aquela solu-
ção e sua respectiva explicação [Kol93]. Pode ainda ser enri-
quecido por dados administrativos, como o número do
caso, a data de sua criação ou o nome do engenheiro de
conhecimento que o incorporou à base. 
Casos contêm primordialmente experiências concretas, vivi-
das em uma situação específica. No entanto, podemos tam-
bém criar casos abstratos, que realizam a subsunção de
experiências adquiridas em um conjunto de situações
[Ber96]. 
Casos são
armazenados na
Base de Casos
Para que estejam à disposição para serem reutilizados, casos
são organizados e armazenados em uma base de casos
(BC), um conjunto de casos apropriadamente organizados.
Geralmente, uma base de casos contém experiências positi-
vas descrevendo estratégias de solução que contribuíram
com sucesso para resolver o problema descrito, de forma
que possam ser reutilizadas. Experiências negativas, expres-
sando tentativas frustradas de solução de um problema
podem também ser armazenadas, com o objetivo de indicar
problemas potenciais e prevenir a repetição de erros passa-
dos [Kol93]. Na figura 2.3 vemos um exemplo simplificado
de uma base de casos na qual estão armazenados somente
dois exemplos positivos acerca do reparo de impressoras no
passado.
Repositórios de
Conhecimento
Ao lado de casos, um sistema de RBC pode também incluir
conhecimento geral acerca do seu domínio de aplicação.
Existem quatro diferentes repositórios nos quais um sis-
tema de RBC pode armazenar conhecimento, denominados
Repositórios de Conhecimento [Ric95]. 
São: 
16 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
• o vocabulário utilizado para descrever o conhecimento
geral do domínio que é utilizado durante os diferentes
estágios do processo de RBC. Por exemplo, um sistema
help desk via Internet de um fabricante de impressoras, em
que o comprador pode procurar perguntas de ajuda
freqüentemente apresentadas (Frequently Asked Questions -
FAQs)apenas formulando questões, necessita possuir
modelado o vocabulário técnico do audiófilo, com
termos como “cartucho”, “luz do estado de tinta”,
“fonte de alimentação” etc;
• casos concretos experimentados no passado armazenados em uma
base de casos (como descrito anteriormente). Por exemplo,
Figura 2.3 Exemplo simplificado de uma base de casos.
CASO 1
Problema: Impressora não funciona
Modelo: Robotron Matrix 600
Luz de estado do papel: apagada
Luz de estado da tinta colorida: apagada
Luz de estado da tinta preta: apagadaPr
ob
le
m
a/
Si
nt
om
as
Diagnóstico: Curto-circuito
Ação: Troca da fonte de alimentação
So
lu
çã
o
CASO 2
Problema: Não imprime em preto
Modelo: Robotron Matrix 800
Luz de estado do papel: apagada
Luz de estado da tinta colorida: apagada
Luz de estado da tinta preta: acesoPr
ob
le
m
a/
Si
nt
om
as
Diagnóstico: Cartucho de tinta preta vazio
Ação: Troca do cartucho de tinta preta
So
lu
çã
o
Raciocínio Baseado em Casos 17
Como Funciona RBC?
o protocolo de perguntas feitas ao telefone e as
respectivas respostas dadas pelos técnicos humanos da
empresa dos seis últimos meses de atendimento a
clientes, referente ao tempo em que o help desk desse
fabricante de impressoras era por telefone (veja a figura
2.2 na página 14); 
• conhecimento sobre como identificar casos que podem ser úteis
para resolver o problema atual. Esta utilidade é predita pela
similaridade entre as descrições do problema atual e
dos casos armazenados na base utilizando-se uma
medida de similaridade. Por exemplo, perguntas de
clientes anteriores relacionadas ao mesmo modelo de
impressora, em que o maior número de palavras-chave é
o mesmo. O grau da similaridade entre dois casos é
relativo e depende do domínio de aplicação.
Conseqüentemente, o conceito de similaridade tem que
ser modelado explícitamente em um sistema de RBC. 
• conhecimento sobre como adaptar casos recuperados de forma a
satisfazer completamente os requisitos da situação atual. Por
exemplo, o problema presente refere-se a cartucho preto
vazio, enquanto o caso mais similar refere-se a um
problema do cartucho colorido. Neste caso, a solução
aplicada no passado (troca da cartucho de tinta colorida) deve
ser adaptada à situação atual, sugerindo, então, a troca do
cartucho preto. Este conhecimento de adaptação é
geralmente representado na forma de heurísticas ou
regras de adaptação. 
Dependendo das características da aplicação de RBC espe-
cífica, o foco da representação do conhecimento pode
variar de um repositório de conhecimento para outro (veja
Capítulo 4, “Representação de Casos”).
2.5. COMO 
FUNCIONA 
RBC?
Quando um novo problema é encontrado, RBC relembra
casos similares e adapta as soluções que funcionaram no
passado ao problema corrente (veja figura 2.4 na página 19).
Subjacente a este enfoque está a suposição de que proble-
mas cuja descrição possui forma similar apresentam solu-
18 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
ções similares. Conseqüentemente soluções de problemas
prévios similares ao atual são um ponto de partida útil para a
soluções de um novo problema. 
O Ciclo do RBC O modelo mais aceito para o processo de RBC é o Ciclo de
RBC proposto por Aamondt e Plaza [AP94], que engloba
um ciclo de raciocínio contínuo composto por quatro tare-
fas principais (veja também figura 2.4 na página 19): 
• recuperar o(s) caso(s) mais similar(es) da base de casos;
• reutilizar este(s) caso(s) para resolver o problema; 
• revisar a solução proposta; e
• reter a experiência representando o caso atual (ou partes
desta experiência) para reutilização futura.
Dado um novo problema, a base de casos é pesquisada àprocura de tarefas anteriormente resolvidas cuja descrição
seja similar à da situação atual. No entanto, essa pesquisa
não é realizada com base numa filosofia tudo-ou-nada,
como por exemplo, na busca em um banco de dados. Aqui
vamos usar uma ordem de preferência que estabelece
quais dos casos da base são mais similares ao atual e quais
são menos. A idéia é que a solução de um caso
suficientemente similar ao atual poderá ser reutilizada
também para sua solução. Esta similaridade é determinada
por meio da medida de similaridade. 
Medida de
Similaridade
A medida de similaridade define como será calculada a simi-
laridade entre a situação atual e um determinado caso na
base de casos, sendo aplicada repetidamente, par a par, no
cálculo da similaridade entre a descrição de problema do
caso atual e a descrição de cada caso na base de casos. Feito
isto, os casos na base de casos são ordenados de acordo
com o seu valor de similaridade e o(s) caso(s) mais simi-
lar(es) é(são) sugerido(s) como solução potencial para o pro-
blema presente. 
Adaptação A solução dos casos recuperados é então transferida para a
situação presente. Se necessário, a solução recuperada é
adaptada para que satisfaça completamente os requisitos da
O ciclo de RBC
também é chama-
do de 4R [AP94].
Uma versão avan-
çada deste ciclo,
que enfoca mais
na parte da manu-
tenção de um sis-
tema de RBC, é
chamada de 6R
[Max00]. Ela sepa-
ra a parte da apli-
cação:
• recuperar
• reutilizar
• revisar
do processo da 
manutenção:
• reter
• revisar
Raciocínio Baseado em Casos 19
Como Funciona RBC?
situação presente. Isto corresponde a uma reutilização com
adaptações. Neste passo, os mais variados graus de modifica-
ção podem ser realizados, utilizando-se diferentes técnicas
de adaptação, que vão desde a simples cópia da solução até
adaptações realizadas conforme complexas regras que refle-
tem um modelo do domínio de aplicação do sistema de
RBC em questão. 
RevisãoNo passo seguinte, a solução que foi adaptada é validada e,
se necessário, corrigida. Este passo representa uma parte
essencial do processo de aprendizado humano: a confirma-
ção de uma solução plausível para um problema. Critérios
para esta revisão da solução podem ser a correção e quali-
dade da solução, bem como critérios específicos da aplica-
Figura 2.4 Ciclo do Raciocínio Baseado em Casos [AP94].
problema
(novo caso)
solução 
confirmada
solução 
adaptada
RECUPERAÇÃO
REÚSOREVISÃO
RETENÇÃO
caso 
armazenado
BASE DE 
CASOS
caso(s)
mais 
similar(es) 
20 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
ção em questão, como a facilidade de compreensão da
solução por parte do usuário ou a quantidade de esforço
para implementar-se a sugestão sugerida. A verificação da
solução é, em muitos casos, realizada durante sua aplicação
na prática, embora possa ser substituída por uma simulação. 
Aprendizado e
integração de
conhecimento
Em um sistema de RBC, raciocínio e aprendizado estão inti-
mamente ligados. Toda vez que um problema é resolvido, a
nova experiência pode ser retida e integrada na base de
casos, tornando-a imediatamente disponível para problemas
futuros. Dessa forma, o conhecimento presente em um sis-
tema de RBC é continuamente atualizado, à medida que
novas experiências dão origem a novos casos armazenados
na base de casos. Além do conhecimento específico repre-
sentado pelo caso, informações sobre os processos de recu-
peração e adaptação que foram executadas para a geração
deste novo caso também podem ser capturados, de forma a
prover informações sobre a performance do sistema de
RBC. Com base nesta informação, um sistema de RBC
pode ser continuamente melhorado por meio, por exemplo,
da modificação da estrutura de representação dos casos, das
medidas de similaridade ou do mecanismo de adaptação de
uma resposta. 
Intervenção humana Este ciclo raramente ocorre sem a intervenção humana.
Muitas ferramentas para desenvolvimento de sistemas de
RBC, agem primariamente como sistemas de recuperação e
reutilização de casos, por exemplo, numa loja virtual. Neste
caso, os outros passos do ciclo, como a revisão de casos, são
deixados a cargo do usuário, e a retenção de novos casos,
por exemplo, deixada a cargo do Engenheiro de Conheci-
mento humano responsável pela manutenção do sistema. 
2.6. EXEMPLO DE 
RBC
Nesta seção ilustraremos o processo de RBC com um
exemplo simples de um sistema de RBC que trabalha ofere-
cendo diagnóstico para problemas em impressoras. 
Nesta aplicação, um caso armazenado na base de casos
representa uma descrição de uma situação de diagnóstico
Raciocínio Baseado em Casos 21
Exemplo de RBC
particular, a descrição de um problema que ocorreu no pas-
sado e a forma como foi resolvido. O caso é representado
registrando vários atributos e seus respectivos valores como
ocorreram naquela situação. Por exemplo, a descrição de
caso inclui sintomas observados (por exemplo, impressora não
imprime) e parâmetros contextuais (por exemplo, modelo da
impressora) (veja figura 2.2 na página 14). Pode também
incluir parâmetros medidos (por exemplo, luz de estado do
papel). A solução colocada no caso descreve o diagnóstico
(por exemplo, cartucho colorido vazio) e as operações de manu-
tenção requeridas para a situação (por exemplo, trocar cartu-
cho de tinta colorida). 
Com a utilização do RBC, pode-se fazer uso da experiência
capturada na base de casos para resolver novos problemas
de diagnóstico. Se um novo problema de diagnóstico não
resolvido é encontrado, um caso passado que seja similar ao
novo problema conterá, muito provavelmente, um con-
junto de operações de manutenção adequado. 
Como definimos um 
problema em RBC?
Vamos assumir que um cliente que está encontrando um
problema com a sua impressora telefona ao serviço de aten-
dimento ao consumidor do fabricante de impressoras
Robotron. Resolver o novo problema de diagnóstico para
descobrir qual poderá ser a causa do mau funcionamento da
impressora e qual o procedimento de eliminação do pro-
blema implica observar primeiramente a situação presente.
O cliente descreverá o seu problema ao atendente (por
exemplo, impressora não imprime a cores). Dado este sintoma, o
funcionário do serviço de atendimento ao consumidor
poderá perguntar mais alguns parâmetros de contexto (por
exemplo, modelo da impressora), bem como alguns parâmetros
medidos (por exemplo, situação da luz de estado da tinta colo-
rida). Estas observações providas pelo cliente durante o
assessoramento da situação definem um novo problema
(veja figura 2.5). Na realidade, uma descrição do problema é
um caso sem a parte que descreve a solução. A descrição do
problema não necessariamente precisa ser completa. Por
exemplo, informação sobre o estado do interruptor não foi
solicitada ao cliente e, conseqüentemente, o valor para este
22 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
atributo não é conhecido.
Como é encontrado
um caso similar em
RBC ?
Assim, para prover uma solução adequada ao problema des-
crevendo-se a situação dada, o objetivo é identificar a causa
e sugerir uma solução efetiva. Para tanto, a informação
adquirida durante o diálogo com o cliente, para descrever
um novo problema, é comparada com os casos armazena-
dos na base de casos. Para cada caso na base, um valor de
similaridade (VS) é calculado, com a utilização da medida
de similaridade. Este valor de similaridade indica o grau de
semelhança entre o problema presente e um caso específico
da base de casos. O valor de similaridade é expresso como
número real entre 0.0 (nenhuma semelhança) e 1.0 (igual-
dade) e é calculado para cada caso na base conforme os
valores dos atributos. 
Problema (Sintomas):
Descrição: Não imprime em cores
Modelo: Robotron 200
Luz de estado do papel: apagadaLuz de estado da tinta colorida: acesa
Luz de estado da tinta preta: apagada
Estado do interruptor: não conhecido
CASO 1 CASO 2
valor de 
similaridade?
valor de 
similaridade?
Figura 2.5 Qual caso deve ser reutilizado para a solução? 
Raciocínio Baseado em Casos 23
Exemplo de RBC
Similaridade global 
versus local
A similaridade pode ser calculada globalmente para um
caso, por exemplo, contando os atributos do caso que apre-
sentam valores iguais, ou também localmente considerando
similaridades entre os valores de um atributo. Neste caso,
para cada um dos atributos de uma descrição de problema,
um valor de similaridade local é atribuído. Por exemplo,
vamos assumir que a empresa tem 4 modelos diferentes de
impressoras, dois da primeira geração (Robotron 100 e
Robotron 200) e dois da segunda geração (Robotron Matrix
600 e Robotron Matrix 800). Dessa forma, os modelos da
mesma geração são considerados semelhantes (valor de
similaridade 0.8), e os modelos de gerações diferentes são
considerados bem menos similares (valor de similaridade
0.2). O valor da similaridade entre os modelos de impresso-
ras pode ser modelado explicitamente por meio de uma
tabela que define o valor de similaridade local para todas as
combinações de valores entre a situação atual e um caso na
base (veja tabela 2.1).
O valor da similaridade global, pode ser calculado com base
nos valores de similaridade locais. Aqui, nós podemos tam-
bém utilizar pesos para indicar níveis de importância dife-
rentes para a identificação de soluções úteis. Por exemplo, a
similaridade entre a descrição do problema atual e um caso
na base é mais importante do que o modelo da impressora
(veja também a tabela 2.2). 
Uma forma simples de calcular o valor da similaridade glo-
bal é a medida ponderada. Utilizando a medida ponderada,
somamos os valores de similaridade local multiplicado pelo
peso respectivo, e dividimos o resultado pela soma total de
Valor de similaridade local Robotron 100 Robotron 200 Robotron Matrix 
600
Robotron Mat
800
Robotron 100 1.0 0.8 0.2 0.2
Robotron 200 0.8 1.0 0.2 0.2
Robotron Matrix 600 0.2 0.2 1.0 0.9
Robotron Matrix 800 0.2 0.2 0.8 1.0
Tabela 2.1 Exemplo da medida de similaridade local para o modelo de impressora.
24 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
pesos, para normalizar o valor de similaridade local.
Como calculamos a
similaridade?
Veja abaixo os cálculos de valores de similaridade, dada a
descrição do problema atual com os dois casos na base. 
Em relação aos valores de similaridade, sistemas de RBC
induzem uma ordem parcial entre os casos da base de casos
e sugerem o mais similar, ou o conjunto dos mais similares,
a partir da base de casos, como uma solução potencial para a
situação presente. Esta fase corresponde ao processo cogni-
tivo humano de relembrar com o objetivo de encontrar uma
situação já vivida a mais similar possível à confrontada atual-
mente.
Comparando dois
casos
Por exemplo, se tomarmos um outro problema descre-
vendo uma situação em que a impressora não imprime a cor
e dois casos da base de casos, podemos considerar o caso 2
como mais similar ao problema do que o caso 1 (veja figura
Atributos
Importância 
(peso)
Situação atual Caso 1 da 
Base de Casos
Valor da 
similaridade 
local
Descrição alta (5) Impressora não 
imprime em cores
Impressora não 
funciona
0
Modelo baixa (1) Robotron 200 Robotron Matrix 
600
0.6 (similar)
Luz de estado do 
papel
média (2) apagada apagada 1.0 (igual)
Luz de estado da 
tinta colorida
média (2) acesa apagada 0 
Luz de estado da 
tinta preta
média (2) apagada apagada 1.0 (igual)
Estado do 
interruptor
média (2) não conhecido ligado 0
Valor da similaridade global: 
(5*0+1*0.6+2*1.0+2*0+2*1.0+2*0)/(5+1+2+2+2+2) = 0.3
Tabela 2.2 Exemplo do cálculo de similaridade (situação atual/caso 1 da Base de 
Casos).
Raciocínio Baseado em Casos 25
Exemplo de RBC
2.3 na página 16), uma vez que seu valor de similaridade é
0.5, enquanto o valor da similaridade do caso 1 com a situa-
ção atual é de 0.3 (veja tabela 2.2 e tabela 2.3). Isto sugere o
caso 2 como solução potencial para o problema presente. 
O que fazemos 
quando nenhum 
caso é igual ao da 
situação atual?
O caso recuperado acima, no entanto, não preenche com-
pletamente os requisitos do problema presente. Por exem-
plo, o sintoma do caso recuperado é “impressora não
imprime em preto”, e o problema real é que ela não
imprime em cores. Portanto, a solução recuperada tem de
ser adequadamente adaptada para efetivamente resolver o
problema corrente (veja figura 2.6). Em nosso exemplo, o
diagnóstico e as ações de manutenção devem ser adaptadas
substituindo se o «cartucho preto» pelo «cartucho colorido».
Como resultado do processo de recuperação e de adapta-
ção, a solução final sugerida para a situação, então, será a
“troca do cartucho colorido”, como mostra a figura 2.6. 
Atributos
Importância 
(peso)
Situação atual Caso 2 da 
Base de Casos
Valor da 
similaridad
local
Descrição alta (5) Impressora não 
imprime em cores
Impressora não 
imprime
0.9 (muito 
similar)
Modelo baixa (1) Robotron 200 Robotron Matrix 
800
0.6 (similar)
Luz de estado do 
papel
média (2) apagada apagada 1.0 (igual)
Luz de estado da 
tinta colorida
média (2) acesa apagada 0 
Luz de estado da 
tinta preta
média (2) apagada acesa 0
Estado do 
interruptor
média (2) não conhecido ligado 0
Valor da similaridade global: 
(5*0.9+1*0.6+2*1.0+2*0+2*0+2*0)/(5+1+2+2+2+2) = 0.5
Tabela 2.3 Exemplo do cálculo de similaridade (situação atual/caso 2 da Base de 
Casos).
26 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
Armazenar um
novo caso
Se o novo diagnóstico e a respectiva solução adaptada suge-
rida estiverem corretos, esta experiência recém adquirida
(veja figura 2.7) pode ser armazenada como um novo caso
na base de casos.
Este exemplo descreve o ciclo de RBC para tarefas de diag-
nóstico e mostra como o RBC pode ser aplicado de forma
simples para realizar tarefas de raciocínio complexo em
domínios de aplicação caracterizados por apresentarem
conhecimento incompleto, inconsis-tente e pela necessidade
da evolução contínua de uma base de conhecimento.
Figura 2.6 Exemplo de adaptação de um caso recuperado.
Problema (Sintomas):
Descrição: Não imprime em cores
Modelo: Robotron 200
Luz de estado do papel: apagada
Luz de estado da tinta colorida: acesa
Luz de estado da tinta preta: apagada
Estado do interruptor: não conhecido
CASO 2 
Problema: Não imprime em preto
Modelo: Robotron Matrix 800
Luz de estado do papel: apagada
Luz de estado da tinta colorida: apagada
Luz de estado da tinta preta: acesaPr
ob
le
m
a/
Si
nt
om
as
Diagnóstico: Cartucho de tinta preta vazio
Ação: Troca do cartucho de tinta preta
So
lu
çã
o
Como adaptar a 
solução do caso 
recuperado para 
satisfazer a 
situação atual? 
Diagnóstico: Cartucho de tinta colorida vazio
Ação: Troca do cartucho de tinta colorida
N
ov
a
So
lu
çã
o
Raciocínio Baseado em Casos 27
Como Encontrar o Caso mais Similar?
2.7. COMO 
ENCONTRAR 
O CASO MAIS 
SIMILAR?
O objetivo da recuperação de casos, vista em detalhes nos
capítulos 7 e 8, é encontrar um caso ou um pequeno con-
junto de casos na base de casos que contenha uma solução
útil para o problema ou situação atual. Por exemplo, dada a
descrição de um problema ocorrido com uma impressora,
um sistema de RBC deveria ser capaz de recuperar um caso
que descreve uma solução apropriada para o problema (por
exemplo, trocar o cartucho de tinta). 
Em contraste com os Sistemas de Gerência de Bancos de
Dados, em que os casos podem ser recuperados somente se
o problema presente já estiver representado deforma exata
no banco de dados, os Sistemas Baseados em Casos utili-
zam a noção de similaridade para serem capazes de realizar
casamentos inexatos entre descrições de problemas e casos
armazenados na base. 
A similaridade dirige 
a recuperação
Isto significa que a finalidade do processo de recuperação é
encontrar a situação já resolvida, representada na base de
casos, que mais se assemelha ao problema atual. A similari-
dade é descrita por meio de uma medida de similaridade
predefinida. Em princípio, o que se faz é aplicar uma função
para o cálculo dessa medida de similaridade em relação ao
problema atual a todos os casos na base de casos. Em
Figura 2.7 Exemplo do novo caso incluído na base de casos.
CASO 3
Problema: Não imprime em cor
Modelo: Robotron 200
Luz de estado do papel: apagada
Luz de estado da tinta colorida: acesa
Luz de estado da tinta preta: apagadaPr
ob
le
m
a/
Si
nt
om
as
Diagnóstico: Cartucho de tinta colorida vazio
Ação: Troca do cartucho de tinta colorida
So
lu
çã
o
28 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
seguida, os casos são ordenados de acordo com a similaridade ca
lada e o caso ou casos mais similares retornam ao usuário. A sim
ridade é, portanto, calculada a partir da definição de como rea
este cálculo e da descrição do caso atual. 
Similaridade indica 
utilidade
No capítulo 6 serão discutidos detalhadamente todos os aspecto
definição de uma medida de similaridade. Nesse contexto, va
elaborar a relação entre a utilidade da solução e a similaridad
descrição da situação. A partir daí, introduziremos o conceito
índices de casos e descrevemos como estes podem ser determ
dos. Vários enfoques de medidas de similaridade serão descrit
exemplificados, e sua fundamentação matemática, explicada 
detalhes. Isto inclui tanto medidas de similaridade global 
diferentes tipos de representações de casos, como representaç
baseadas em pares atributo-valor e representações orientadas a o
tos, quanto medidas de similaridade local para determinadas e
dades de informação constituindo partes de casos. Exem
práticos para medidas de similaridade local sobre diversos tip
base, como número, símbolos e strings serão apresentados.
Recuperação é
iniciada com uma
descrição parcial do
caso atual
O processo de recuperação de casos similares a partir da base
casos é iniciado com uma descrição (parcial) do problema presen
termina quando um caso prévio ou conjunto de casos prévios 
satisfaz a busca é encontrado. As três tarefas em que a recupera
se divide são denominadas assessoramento da situação, casamen
seleção, e são executadas nesta ordem. Estas tarefas são aqui de
tas brevemente. Serão detalhadas no capítulo 7:
• O assessoramento da situação objetiva produzir uma cons
representada por um conjunto de descritores da situação
problema presentes. Nesta parte do processo, um sistema
RBC interage com o usuário para adquirir um conjunto mín
de dados, para poder gerar a sua primeira consulta.
• O objetivo do processo de casamento de casos é o de reto
um conjunto de casos que sejam suficientemente similares ao
consulta, dado um limiar de similaridade mínima de algum t
Nesta parte do processo, algoritmos de busca específicos pa
tipo de organização de base de casos utilizado agem sob
coleção de casos.
• A tarefa de seleção de casos trabalha sobre o conjunto de c
recuperados e escolhe o melhor ou melhores casamentos, 
apresentá-los ao usuário. Nesta parte do processo, heuríst
Raciocínio Baseado em Casos 29
Vantagens e Limitações do RBC
adicionais que não fazem parte da medida de similaridade
podem ser aplicadas sobre o conjunto resultante do
casamento.
Levantamento
dirigido de dados
Não há necessidade de que essas tarefas sejam executadas
apenas uma vez, o processo pode ser realizado de forma
repetida, em interação com o usuário no sentido de refinar a
consulta a cada vez que a repetimos. Um exemplo é um sis-
tema de RBC para o diagnóstico médico, em que um usuá-
rio entra com alguns dados iniciais em uma situação
desconhecida e os resultados da primeira consulta sugerem
um conjunto de atributos cujo valor ainda é desconhecido
mas que são importantes em todos os casos recuperados.
Isto pode sugerir ao médico quais exames serão realizados
com o pacientes, a seguir, para restringir e melhorar a busca
em uma segunda consulta. Isto se chama levantamento de
dados dirigido. É muito importante em aplicações de RBC
nas quais uma situação deve ser diagnosticada mas nem
todos os dados são conhecidos. Em alguns casos, será reali-
zada diretamente no assessoramento inicial da situação.
Diferentes métodos 
de recuperação 
podem ser usados
O processo de recuperação de casos pode ser implemen-
tado através dos mais variados métodos computacionais.
Detalhes relativos aos passos do processo de recuperação
são descritos no capítulo 6. O enfoque mais simples é a
recuperação seqüencial, em que um valor de similaridade é
calculado seqüencialmente para todos os casos armazena-
dos na base. Métodos complexos utilizam estruturas de
indexação especialmente desenvolvidas para RBC, como as
árvores k-d.
2.8. VANTAGENS 
E LIMITA-
ÇÕES DO 
RBC
O Raciocínio Baseado em Casos tornou-se parte integrante
da caixa de ferramentas da Inteligência Artificial. O princi-
pal ponto a favor do RBC é que ele mimetiza a forma como
as pessoas relembram de muitas soluções de problemas. 
No passado, sistemas baseados em conhecimento enfoca-
ram principalmente a utilização de conhecimento generali-
zado. Existem várias abordagens de IA para sistemas
30 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
baseados em conhecimento com essa característica, como siste
baseados em regras, redes semânticas ou sistemas baseados em q
dros. 
RBC, por outro lado, é um paradigma de solução de problemas 
na maioria de seus aspectos é fundamentalmente diferente 
outras técnicas da Inteligência Artificial. Em vez de basear-se un
mente em conhecimento geral do domínio de um problema, ou
realizar associações ao longo de relacionamentos generaliza
entre descritores de problemas, o RBC é capaz de utilizar de fo
explícita conhecimento específico sobre situações concretas vive
adas anteriormente na forma de casos. 
RBC, no entanto, é um campo que foi influenciado por várias ou
áreas, como por exemplo, ciências cognitivas, sistemas baseados
conhecimento, aprendizado de máquina, bases de dados, recup
ção de informações e redes neurais. Existe também uma série
pontos em comum com campos como reconhecimento de padr
incerteza e estatística. 
Seres humanos são solucionadores de problemas extremam
robustos e, à medida que sua experiência cresce, capazes de reso
de forma rotineira e com crescente qualidade, problemas mal de
dos e com conhecimento incompleto. Esta qualidade é altam
desejável em sistemas inteligentes reais. Abordagens tradicionai
IA, sistemas de bancos de dados e de recuperação de informaç
porém, têm falhado em satisfazer esta expectativa. O RBC é u
tecnologia capaz de superar alguns desses problemas [Lea96].
RBC x bancos de
dados
Sistemas de gerência de bancos de dados (SGBD) têm sido la
mente utilizados, na prática, para o armazenamento estruturado
recuperação baseada em consultas de grandes quantidades de in
mação. As maiores vantagens dos SGBDs são a sua capacidad
interrelacionar conjuntos de itens e de acessar rapidamente gran
quantidades de dados. 
Em comparação com o RBC, bancos de dados são projetados 
realizar correspondências exatas entre consultas e informaç
armazenadas, enquanto o objetivo de um sistema de RBC é ju
mente realizar acessos com base em correspondências inex
[Lea96]. Em muitas aplicações reais, casos que correspondem ex
mente a uma nova situação podem não ser encontrados em u
biblioteca de casos. Em domínios em que situações assim ocorrsistemas de bancos de dados não fornecem uma solução adequa
Raciocínio Baseado em Casos 31
Vantagens e Limitações do RBC
RBC x recuperação
de informações
A Recuperação de Informações (RI) é uma área onde itens
de conhecimento armazenados sob forma textual são inde-
xados e recuperados por meio de termos. Termos são pala-
vras ou frases extraídas de um item de conhecimento,
expressam o assunto principal desse item. Pode-se associar
pesos a termos para expressar sua importância relativa na
indexação. 
Embora a RI ofereça máquinas de recuperação e indexação
de informações genéricas, que podem ser utilizadas para um
amplo escopo de aplicações, a RI apresenta sérias limitações
no que diz respeito à acurácia da recuperação [KLG98]. Em
grandes bases de conhecimento textual, a recuperação está
limitada à experiente manipulação de palavras-chave, o que
pode ser um grande problema quando o usuário é inexperi-
ente na área do conhecimento armazenado. Outro pro-
blema é a falta de semântica associada aos termos e a
inexistência de representação de relacionamentos entre dife-
rentes termos [SM83]. Outro problema da RI é que a defini-
ção de quais termos serão índices tem de ser realizada
manualmente. 
Comparando RI e RBC, podemos dizer que ambos perse-
guem os mesmos objetivos e abordagem básicos, enfo-
cando, em recuperação de informações, relevância de
aspectos dessa informação e consultas simples [KLG98].
No entanto, no que diz respeito à estruturação dos dados e
do conhecimento armazenado, ambas as tecnologias dife-
rem drasticamente. Sistemas de RI, além de possuírem
mecanismos de recuperação extremamente mais simples e
menos flexíveis que o RBC, não possuem capacidade de
adaptação de solução, e recuperam informação sem
nenhum tipo de crítica.
Aquisição do 
conhecimento
Sistemas baseados em conhecimento tradicionais armaze-
nam conhecimento sob forma de regras ou modelos gerais
de conhecimento. Um grande problema aqui é: como pro-
ver as regras das quais o sistema depende? O processo de
aquisição de conhecimento pode ser trabalhoso e pouco
confiável, pode ser difícil expressar as regras e mais difícil
32 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
ainda garantir que elas ofereçam a performance necessária.
Em alguns domínios, mesmo o conhecimento de cunho
geral pode ser de difícil formulação, como áreas do conheci-
mento ainda imaturas e pouco delimitadas da medicina, ou o
número de regras pode ser grande demais para poder ser
gerenciado. 
Além desses fatores, é muitas vezes difícil, para os especia-
listas, expressar o conhecimento tácito, adquirido de forma
empírica durante anos de trabalho, sob a forma de regras. É
muito mais fácil expressar esse conhecimento sob a forma
de casos concretos, expressivos, que eles encontraram no
passado. Além disso, após o esforço de engenharia de casos
inicial, torna-se muito mais fácil melhorar a perfomance de
um sistema aumentando sua base de casos do que tentar
definir regras a mais, o que facilita também a tarefa posterior
de manutenção do conhecimento. 
Manutenção do 
conhecimento
Sistemas baseados em conhecimento são de difícil manuten-
ção, uma vez que muitas interdependências podem existir
entre regras e os efeitos da modificação de uma regra são
dificilmente perdidos. Além disso, a representação do
conhecimento sob a forma de regras nem sempre reflete a
forma de pensar do usuário, pois muitas regras para funcio-
narem no sistema, às vezes são formuladas de uma maneira
difícil de se entender. 
O RBC oferece benefícios consideráveis para a tarefa de
manutenção do conhecimento, pois novos casos podem ser
facilmente adicionados à base de casos e uma inconsistência
entre casos não inviabiliza o funcionamento do sistema.
Como os sistemas de RBC realizam aprendizado incremen-
tal, um aplicativo pode ser instalado apenas com um
pequeno conjunto de “casos-semente” e melhorar sua per-
formance com o uso. 
Recuperação
baseada em
similaridade
Em muitos domínios de aplicação é improvável encontrar
conhecimentos que satisfaçam completamente os requisitos
de uma nova situação. 
SGBDs e RI são projetados para recuperar informações
Raciocínio Baseado em Casos 33
Vantagens e Limitações do RBC
com base em correspondência exata. A filosofia dos siste-
mas de RBC é recuperar o caso “mais parecido” ao da situa-
ção descrita, mesmo que este caso possua conflitos com
alguns valores colocados pelo usuário. 
Outro problema é que a recuperação em RI e SGBDs às
vezes retorna excesso de informação (2000 itens que satisfi-
zeram os termos da consulta...) ou absolutamente nenhuma
informação. Em RBC pode-se, por exemplo, especificar
que um sistema retorne apenas os “10 casos mais similares”,
o que torna o resultado de uma consulta muito mais digesto
para o usuário. 
Qualidade das
soluções em
constante evolução
Na prática é muito comum que os domínios para os quais
sistemas baseados em conhecimento são desenvolvidos não
tenham sido ainda completamente compreendidos, sendo a
modelagem do conhecimento necessariamente incompleta. 
Em situações assim, soluções sugeridas por coleções de
casos refletem o que de fato ocorre nesse domínio, sem ten-
tar postular teorias, servindo como evidência para tomada
de decisões. Isto também é de suma importância em domí-
nios em constante mutação, como a jurisprudência, por
exemplo.
Aceitação por parte
do usuário
Outro problema-chave no desenvolvimento de aplicações
de Inteligência Artificial de sucesso é a sua aceitação por
parte do usuário. Para confiar nas soluções geradas por um
sistema, o usuário deve ser convencido de que foram gera-
das de forma adequada. Utilizando-se casos como justifica-
tiva para conclusões, isto se torna fácil e o usuário pode
servir como um bem informado juiz final, para aceitar ou
rejeitar uma conclusão do sistema.
34 Ch.G.v.Wangenheim e A.v.Wangenheim
O que é Raciocínio Baseado em Casos?
329
13 ÍNDICE REMISSIVO
A
Acurácia 256
Adaptação 18
Adaptação automática de casos 203
Adaptação composicional 229
Adaptação da solução 200
Adaptação de casos 200
Adaptação derivacional 214
Adaptação estrutural 213
Adaptação gerativa 214
Adaptação hierárquica 232
Adaptação nula 205
Adaptação substitucional 206
Adaptação transformacional 205
Agência de viagens virtual 283
Algoritmos-IBL 253
Analogia 37
Analogia derivacional 214
Aprendizado 20
330 Ch.G.v.Wangenheim e A.v.Wangenheim
Índice Remissivo
Aprendizado baseado em casos 250
Aprendizado de instâncias 253
Aprendizado de máquina 50, 244, 250
Aquisição do conhecimento 31
Áreas de aplicação 264
Arquitetura de memória massiva 250
Árvores 95
Árvores k-d 100
Assessoramento da situação 28, 167
Atributos discriminantes 292
Atualizador do descritor conceitual 255
Avaliação de soluções 239
B
Base de casos 15
Booleanos 86
C
CABATA 205
Call center 275, 276
CAPlan 56, 217, 219, 230, 272
Casamento 28, 171
Case Explorer 299
Case Navigator 302
CASEY 51, 206, 217, 248, 268
Caso 13, 16, 73
CASUEL 62
Categoria 254
CBR-Works 54, 282
CHEF 43, 209, 210, 241, 270
Ciclo do RBC 18, 65
Classe 89, 254
Classificação 264, 265
CLAVIER 206, 212, 270
Coeficiente-S 136
Comércio eletrônico 273, 274, 281
Raciocínio Baseado em Casos 331
Common Query Language 55
Completeza do método de recuperação 177
Componentes básicos de um caso 75
Concept Manager 287
Configuração 264, 268
Consulta da base em CBR-Works 301
Controle baseado em regras 58
Correção do método de recuperação 176
Critérios de indexação 119
Custo de recuperação 183
Custos de incorporação 256
CYRUS 39
D
Dados incompletos 138
Dados não-binários 138
Datas 86
DEJA VU 214, 230
Descrição conceitual 254
Descrição da solução 79
Descrição do problema 76, 77
Diagnóstico 81, 201, 238, 264, 266
Discriminant 293
Disponibilização na Web 303
Distânciade Hamming 133
Distância de Manhattan 132
Distância euclidiana 132
Distância geométrica 127
Domínio de aplicação 265
E
Edição de atributos em CBR-Works 289
Elemento máximo 150
Elementos básicos do RBC 13
Eliminação de falhas 240
Ensino a distância 279
332 Ch.G.v.Wangenheim e A.v.Wangenheim
Índice Remissivo
Entidade de informação 97
Erro-a 182
Erro-b 182
Estratégias de adaptação 203
Exemplo de RBC 20
Extração de conhecimento 247
F
Função assintótica 145
Função de classificação 255
Função de similaridade 255
Função escada 143
Função linear 144
G
Generalidade 256
Gerenciador de tipos em CBR-Works 290
Gerenciamento de conceitos em CBR-Works 288
Gestão do conhecimento 273
Grafos 95
H
Help desk 273, 276
HYPO 48, 274
I
IBL1 257
IBL2 257
IBL3 259
Igualdade 182
Igualdade parcial 182
Incerteza 163
Inclusão de consulta 149
Indexação 117, 247
Indexação automática 120
Índices 117
Raciocínio Baseado em Casos 333
INRECA 60, 206, 250
Instância 90
Integração de casos 248
Interseção 149
Intervalos 150
J
JUDGE 211, 274
Julgamento de similaridade 123
JULIA 44, 270
K
KoDiag 59
Kohonen 59
L
Levantamento de sintomas dirigido 170
Limitações do RBC 29
M
MAC/FAC 178
Mandatory 288
Manutenção do conhecimento 32
Matriz de similaridade 147, 296
MEDIATOR 41
Medida de distância 125
Medida de similaridade 18, 22, 124, 292
Medida de similaridade global 126, 293
Medida de similaridade invariante 135
Medida de similaridade local 141, 294
Memória dinâmica 35
Memória episódica 36
Meta de recuperação 115, 116
Métodos de indexação 119
Métrica 126
Métrica do quarteirão 132
334 Ch.G.v.Wangenheim e A.v.Wangenheim
Índice Remissivo
MoCAS 217
Modelagem dos casos 284
Modelagem orientada a objetos 93
Modelo de contraste 139
Modelos para determinação de similaridade 126
Monotonicidade 123
N
Nearest neighbour 127
Nearest neighbour normalizado 132
Nearest neighbour ponderado 129
Números 86
O
One shot replay 218
Ordem de preferência 18
Orenge 68
P
PARIS 233, 272
Passos do desenvolvimento da aplicação 283
PATDEX 53, 205, 248, 249, 268
PERSUADER 42, 211
Peso 129, 131, 140, 292
PLAKON 217
Planejadores 221
Planejamento 202, 239, 265, 271
Problema 75
Problema da indexação 247
Problemas super-restringidos 269
Processo de recuperação de casos 166
Processo de retenção 246
Prodigy/Analogy 52, 217, 225, 230, 272
Projeto 265, 268
Projeto baseado em casos 270
Prolog 58
Raciocínio Baseado em Casos 335
Propagação 195
PROTOS 50, 266
PSNL 57
R
Raciocínio adversário 273
Raciocínio baseado em casos 1, 10
Raciocínio por analogia 37
Recuperação baseada em similaridade 32
Recuperação com árvores k-d 186
Recuperação completa 176
Recuperação correta 176
Recuperação de casos 165
Recuperação de casos online 306
Recuperação de dois níveis 178
Recuperação de informações 202, 238
Recuperação orientada a índices 184
Recuperação seqüencial 173
Redes de recuperação de casos 96, 192
Redes de recuperação de casos básica 194
Redes neuronais 59, 262
Reflexividade 122
Regra de contraste 139
Reinstanciação 208
Relações composicionais 90
Relações taxonômicas 90
Replay 215
Replay entrelaçado 223
Repositórios de conhecimento 15
Representação do conhecimento 13, 82
Representação não simbólica 60
Representação orientada a objetos 89
Representações atributo-valor 84
Requisitos de armazenamento 256
Resultados 80
Retenção de documentos 245
Retenção de novos casos 243
336 Ch.G.v.Wangenheim e A.v.Wangenheim
Índice Remissivo
Retenção de soluções de problemas 244
Reutilização de casos 199
Reutilização de soluções conhecidas 111
Revisão de casos 19, 237
Roteiros 36
S
Seleção de casos 28, 172
Servidor HTTP 304
Shell de RBC 55
Símbolo não-ordenado 87, 147
Símbolo ordenado 87, 146
Símbolos 86
Símbolos taxonômicos 151
Simetria 122
Similaridade 111, 122
Similaridade de descrições de problema 112
Similaridade de objetos 154
Similaridade entre objetos 154
Similaridade global 23
Similaridade interclasse 158
Similaridade interclasse entre objetos abstratos 161
Similaridade interclasse entre objetos concretos 160
Similaridade intraclasse 158
Similaridade local 23
Similaridade local parcial 183
Similaridade ponderada de conjuntos de atributos 138
Sistema híbrido 59
Sistemas de gerência de bancos de dados 30
Sistemas FAQ 278
Smalltalk 304
Solução 76
Solucionador de problemas gerativo 216
Strings 86, 153
Substituição baseada em casos 211
Substituição baseada em regras 209
Suporte à decisão 264, 272
Raciocínio Baseado em Casos 337
Suporte a vendas 274
Suporte técnico 276
T
Tabelas de contingências 133
Tarefas analíticas 264
Tarefas sintéticas 264
Taxa de aprendizado 256
Taxonomias 87
Teste esfera-dentro-de-limites 191
Teste esfera-intersecionando-limite 190
TinyHTTPServer 304
Tipo conjunto 148
Tipo escalar 146
Tipos 85
Tipos de retenção 244
Transitividade 122
Tutoriais 264, 279
Type Manager 290
U
Utilidade 28, 112
V
Valor de similaridade 22
Valor preditivo dos atributos 88
Vantagens do RBC 29
Vocabulário 16
338 Ch.G.v.Wangenheim e A.v.Wangenheim
Índice Remissivo
View publication statsView publication stats
	Blank Page