案例学习是CBR（case-based reasoning）推理机的重要环节，但由于案例的多样性以及对领域的依赖性，导致CBR系统中案例自动生成困难的问题。针对这一问题，提出将seq2seq（sequence-to-sequence）模型用于案例学习。通过seq2seq模型自动生成案例，引入attention机制，提高seq2seq模型生成案例的效果，并利用潜在语义分析（latent semantic analysis，LSA）对网络爬取的语料库进行筛选，利用过滤后的语料库对模型进行训练，最后提出一种基于三元组的评估方法，对生成案例进行评估和存储，从而实现CBR推理机的自主学习。最终将改进的案例学习系统应用到实际的智能机器人上进行验证，测试结果表明该方法具有可行性，且能够有效提高机器人的智能性及易用性。
