本文研究了将领域知识整合到用于过程导向的案例推理应用程序中的语义图相似性评估的 Graph 神经网络中的潜力，并通过一种特殊的数据表示和处理方法以及 GNN 的消息传递组件将知识整合到模型中，实验证明这种扩展的 GNN 可以提供更好的质量和较短的训练时间或同时具备两个优点。

Jun, 2021

基于案例推理作为问题解决的方法可以使用任何适当的计算技术。该立场论文认为，案例推理研究者在近期的深度学习和大型语言模型方面存在一定的忽视。这些技术发展背后的基础为人工智能的最新突破提供了强大的协同效应，可以用于为大型语言模型提供持久性记忆，从而向人工通用智能迈进。

Oct, 2023

通过借鉴类似实体在知识库中的推理路径，使用基于案例的推理系统来预测实体的属性，并引入使用路径统计量有效计算模型参数的概率性方法。在开放世界设置中，该方法的性能显著优于其他规则学习方法并与最先进的基于嵌入的方法相当。

Oct, 2020

本研究提出了一种基于事例推理的方法来评估机器学习模型预测的可信度，并通过可视化的方式呈现之前相似的情况，进一步证明了该方法对于处理欺诈检测中的机器学习警报具有实用性和易用性。

Jul, 2019

本文结合了案例推理的基于因素的模型和分类器逻辑规范的两条研究线索，将 Horty（2011）的基于因素的先例模型与 Liu＆Lorini（2021）的逻辑方法相结合，重新制定了 Horty 的情况库，并提供了几个表示结果。

Oct, 2022

该论文提出了一种基于认知系统的深度网络模型，以探索深度网络模型内部表示和推理机制的知识表示、推理和学习挑战，并通过使用空间关系的接地和递增式的学习，以及基于非单调逻辑推理和基础常识域知识的决策，实现对场景中物品遮挡和稳定性的推理，通过识别与任务相关的图像区域训练深度网络模型来提高决策的可靠性和减少相关的训练工作量。

Jan, 2022

本文提出了一种基于使用类比方法从类似示例中进行先前的解释传递的情形推理及案例推理自然语言推理模型，即 Case-Based Abductive Natural Language Inference (CB-ANLI)，并在常识和科学问答任务上进行了实证评估，结果表明，CB-ANLI 可以有效地与稀疏和密集的预训练编码器集成以改善多次跳跃推理，或作为变压器的证据检索器。 此外，对语义漂移的实证分析表明，CBR 范式提高了最具挑战性的解释的质量，这一特性对下游推理任务的稳健性和准确性具有直接影响。

Sep, 2020

本文提出了一种神经符号 CBE 方法，包括非参数记忆库和参数模型，能够对大型知识库中的问题进行问答，展示了在 ComplexWebQuestions 数据集上超越当前最新技术 11％的性能并显示出只需少量的人工标记示例，就能使用新案例的能力。

Apr, 2021

本文研究了因果推理和逻辑推理在机器智能的应用下的关系，提出了 Counterfactual Collaborative Reasoning (CCR) 方法，通过进行反事实逻辑推理对数据进行增强，提高了模型性能和透明度。实验结果表明，CCR 方法显著优于使用隐式数据增强的模型和未增强的模型，并且能够生成反事实解释，提高模型的透明度。

Jun, 2023

在这篇论文中，我们关注于一种最近的基于案例的推理方法，通过采用抽象论证的实例来支持案例推理，其中论证代表案例，论证之间的攻击来自于案例之间的结果分歧与关联概念。在这个背景下，相关性与案例的特异性形式有关。我们探讨如何通过决策树的帮助在实践中自动学习相关性，并研究在法律环境中案例推理与抽象论证（AA-CBR）以及案例相关性学习在预测方面的组合。具体而言，我们表明，在两个法律数据集中，AA-CBR 和基于决策树的案例相关性学习与决策树相比具有竞争力。我们还表明，AA-CBR 结合基于决策树的案例相关性学习具有比决策树更紧凑的表示形式，这对于获得认知可处理的解释可能是有益的。

Oct, 2023