确定一个合适的案例属性特征权重分配方法是基于案例推理（CBR）模拟中进行有效的案例索引和检索的关键问题。本章提出了一个AHP导出权重的k-NN模型并将它作为基于案例推理的检索算法，使用AHP方法确定案例属性特征权重的相对重要性以快速和准确地进行案例索引和检索。同时，本文将AHP导出权重k-NN模型的性能与纯粹CBR或Logit导出权重CBR模型的性能进行了比较。实证结果表明，由于AHP导出权重k-NN模型同时考虑定性和定量变量权重的抽取和集成，因此显著地改善了破产预测的分类精确性，提高了商业银行企业客户贷后破产风险识别的效率和准确度。这一方法提供了一个在企业客户贷后破产风险识别中利用AHP进行知识引导的案例索引和检索的新框架。