本课题的任务是采用基于文本案例的推理(TCBR)技术,构造房地产投资开发经验重用系统,并研究在该系统中,如何实现文本案例表示,信息实体解析,案例的提取以及案例学习等内容。 CBR(Case-base Reasoning)是一种人工智能的推理方法,它以实例作为其最基本的推理单元,当一个新的待解决问题提出以后,我们可以把它抽象为一个新实例,为了解决这个问题我们从实例库中找出一个和新实例最相近的实例,其解决方案就可作为新问题的参考。我们还可以对实例进行修改,使之更符合问题的要求。修改后的实例成为一个新学习到的实例被存到实例库中,如果下一次碰到类似的问题就可以此作为参考。这是一般CBR系统的原理,它只是对领域经验的自学习做了大量的工作。而房地产投资开发经验有结构不易确定、来源多种多样等特性。针对这些特性,我们采用CBR的一个分支:基于文本的案例推理(Textual CBR,TCBR)来完成推理和学习系统的构建。在系统构建和TCBR理论研究过程中,产生了许多新的特性,本论文将对这些特性进行详细的研究,分析和验证。 在本论文中,首先对房地产开发经验重用系统的选题背景和现状进行了阐述,并对本课题的研究内容和意义进行了介绍。从中我们可以看出,将TCBR技术和实例提取网CRN应用到房地产投资开发经验重用上,可以为广大地产投资者起到一个智能辅助决策的作用,并推动CBR和TCBR技术的应用领域研究。接下来,我们详细介绍了TCBR、CRN和其中关键术语的概念和定义,并介绍了构造CRN的详细过程以及相关计算函数。在CRN构造过程中,提出了一种新型的实例与问题相关度评价的计算模型并进行详细的分析。然后本文详细说明了CRN在本系统中实现的算法,结构和实现过程,包括信息实体的解析、实例的相关值计算等内容。 实例的学习是CBR系统中重要的组成部分,论文在接下来的部分提出了一种实例学习的方法,并对这种方法的发展提出了设想。在案例学习过程中,对于可能产生的实例冗余问题,提出了一种可行的解决办法。 在文章的后面,我们对系统的优势和缺陷进行了介绍,主要进行了现有的房