Estratégias de adaptação de casos em sistemas de raciocínio baseado em casos.

Raciocínio Baseado em Casos é uma metodologia para a resolução de problemas baseado em experiências passadas. Essa metodologia tenta solucionar um novo problema recuperando e adaptando soluções previamente conhecidas de problemas similares. Porém, cada solução recuperada, em geral, requer adaptações para que possa ser utilizada como solução de um novo problema. Portanto, a adaptação de casos é uma característica desejável em sistemas de Raciocínio Baseado em Casos. Um dos maiores desafios da área de RBC é o desenvolvimento de métodos eficientes para a adaptação de casos. Em contraste com a aquisição de casos, o conhecimento para adaptação não é facilmente disponibilizado e é de difícil obtenção. A forma de adaptação mais utilizada é a codificação de regras de adaptação, demandando um significativo esforço para a aquisição de conhecimento.
Uma alternativa para superar as dificuldades associadas à aquisição de conhecimento para adaptação de casos tem sido a utilização de abordagens híbridas e de algoritmos de aprendizado automático para a aquisição do conhecimento utilizado para a adaptação.
Este trabalho investiga a utilização de abordagens híbridas para adaptação de casos empregando algoritmos de Aprendizado de Máquina. As abordagens aprendem o conhecimento necessário para a adaptação de casos automaticamente a partir de uma base de casos e aplicam esse conhecimento para realizar a adaptação de soluções recuperadas.