1982年，美国耶鲁大学教授Roger Schank在其著作中首次提出了案例推理技术的框架和模型。作为一种基于知识的问题求解和学习方法的人工智能技术，它的出现引起了人工智能专家的高度重视。随着案例推理技术的逐步成熟和推广，目前已经在天气预报、医疗、金融、农业等诸多领域成功应用，逐渐成为一个解决各领域实际问题的实用型推理技术。案例推理技术的基本原理是以案例为基础进行推理，将以往的经验或知识制作成案例并建立案例库进行存储，出现新问题后，对案例库进行匹配检索以找到相似案例作为参考，重用此相似案例的应急方案。并将新问题与相似案例进行对比，在相似案例基础上对发生变化的要素进行调整和修改作为新案例纳入案例库，以实现经验的自学习过程。
在有关案例推理技术的过程模型中最经典、广为采用的模型是Admodt和Plaza提出的R4模型。R4模型是将典型案例推理问题归纳为案例检索、案例重用、案例修正和案例保存4个过程，案例库中储存了大量根据已发生事件的处理经验和方案制作的案例，当新的事件发生时，从案例库中检索与当前事件相似度最高的案例；使用案例重用将案例库中检索到的事件解决方案作为新事件的参考解决方案；根据新事件和案例之间的特征差异采用案例修正得到新事件的最终解决方案；并将新事件和经修订的解决方法制成新案例保存到案例库中，以便案例库完成自学习过程。但是，该过程把案例的特征描述与解决方案组合在一起，无法对一些复杂性案例进行推理分析。基于此，在原有R4模型的基础上增加了案例表示的R5模型应运而生了。由于案例推理技术具备获取知识简捷、自增量学习、准确性高、直观性强的优点，近年来在突发事件应急决策领域得到重视与实践。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
