基于多智能体的用户偏好系统研究

1、基于多智能体的用户偏好体系研究摘要面对因特网的海量信息，网络用户面对着信息过载和有效需求不敷的双重题目。本文提出了基于多智能体的用户爱好模子的表现和更新机制，在数据开掘阐发底子上，创立用户爱好模子，使用相干反响，追踪和更新用户爱好模子，进步本性化信息办事的服从，为办理用户偏好开掘服从题目和多智能体偏好更新题目提供了新的研究思绪。关键词多智能体体系偏好保举本性化拍卖一、弁言比年来，网络信息量有了飞速增长，怎样快速创造用户埋伏需求并做出准确的反响成为当前电子商务中亟待办理的题目。传统的信息猎取本领在处置惩罚非布局化的资料的本领相对较弱，它不克不及从海量的信息中寻出用户感爱好的知识，更不克不及处置惩

2、罚随用户差异而变革的本性知识、随地区差异而变革的地区性知识以及差异范畴的专业性知识等。为此，本文试图创立基于多智能体的用户偏好开掘模子，通过网络主顾提供的静态和动态信息，对主顾偏好举行阐发，创立基于多agent的主顾需求署理体系，以创造主顾的真实需求。二、保举体系框架阐发一样平常本性化保举体系的保举的历程是：用户提交检索信息、偏好表现、信息保举、用户反溃在多agent保举体系中，体系对用户举动的识别和表现，是通过智能体互助协商通讯来实现的。本性化保举体系的根本成效包罗：阐发主顾的举动，创立主顾举动的表现模子；使用模子向用户提供保举；对保举举行反响，并根据反响修正保举。基于多agent体系的顶层

3、数据流程图如图1。用户识别模块：对用户汗青信息举行比拟识别，并对用户的欣赏风俗举行识别，以淘汰用户误识别的概率。举动识别模块：根据信息及其泉源识别用户和举动，并将信息转换为体系可识别的偏好信息，以便于数据阐发。举动网络模块：将用户记载根据相应格式存入数据库。用户偏好模块：断定是否有效户记载，并根据用户即时信息和存档信息选择构建偏好模子或举行偏好更新。数据开掘模块：被动的担当哀求或主动的对用户汗青举动记载举行数据开掘，通过神经网络、聚类等要领，举行主顾购置、拜候举动的阐发，或在数据阐发职员的干预下举行保举结果阐发，为偏好保举模块提供参考。偏好保举模块：根据相干模块得到的用户偏好信息、用户举动信息

4、、数据开掘结果和相应保举规矩，做出保举。保举协商模块：其通过与“黑板举行关于当前搜刮趋势方面举行交互，并对保举结果举行相应修正。并在用户反响的底子上，对用户偏好举行学习，并创立相应的学习履历。在对结果举行修正后，将保举结果返回给用户。在整个保举历程中，如许一个举动网络、偏好阐发、保举结果的历程将不竭的重复修正，终极满意客户需求。三、体系协商历程偏好保举部门是本性化保举体系研究的焦点。进步保举的质量被作为全部保举体系的配合目的，然而，差异的保举要领在差异的市场情况中的顺应性各有差异。引入多智能体拍卖协商机制后，全部被保举的工程都有本身投标代价，体系就可以从中挑选出投标代价最高的保举工程提供给用户

5、。本统体系布局严酷按照asulti-agentsyste有关agent生命周期头脑，通过模拟拍卖历程举行偏好保举。在体系中偏好保举agent作为卖方智能体，协商agent作为拍卖主持智能体。协商智能体根据客户对商品的需求程度、小我私家偏好、风险态度、供货数量等使用博弈阐发算法主动盘算出最优竞价计谋，并向供给商发出投标，等候生意业务消息，收到乐成消息，偏好保举agent在第一次报价时根据履历得到的权重举行加权，得到第一次报价。协商agent得到投标消息后，拍卖主持agent处置惩罚网络到的各竞标agent投标信息，根据拍卖机制库将投标结果举行排序，然后宣布该阶段的最高投标人和当前的次高投标价，并

6、发送给各竞标agent，然后进入下一阶段。确定投标代价，后照顾客户，并举行生意业务，假设协商失败，那么开始一轮新的协商。假设某一阶段，上一阶段的次高代价已经凌驾它的保存价，它就发消息给拍卖主持agent，然退却出拍卖将终极投标消息返回给用户。直到末了一个阶段，拍卖主持agent处置惩罚完网络到的各竞标agent投标信息后，宣布竞标结果。四、体系算例体系接纳vielens站点的数据集举行实行，通过对协通过滤算法的保举结果举行竞标优化。对保举结果的评价接纳统计精度度量要领中被普及接纳的均匀绝对缺点ae作为保举精度度量尺度。均匀绝对缺点ae通过盘算猜测的用户评分与现实的用户评分之间的缺点度量猜测的正

7、确性，ae越小，保举质量越高。设猜测的用户评分聚集表现为p1,p2pn，对应的现实用户评分聚集为q1,q2,qn，那么均匀绝对缺点ae界说为：试验历程中,别离指定用户聚类的数量为30,40,目的用户的比来邻人个数从10增长到40,隔断为10,别离盘算本文提出的算法与传统的协同过滤保举算法的ae,试验结果如图4.1：由图看出，本文提出的基于as的协同过滤保举算法均具有较小的ae。由于本体系只是对协同过滤算法举行优化，其结果的革新是有限的，假设卖方可以接纳差异的保举算法，其保举精度将大概有较大的进步。由此可知，与传统的比来邻协同过滤保举算法比力，本文提出的算法可以有效进步保举体系的保举质量，补充了协同过滤算法在希罕度和冷启动方面的缺陷。五、竣事语本文的创新点在于，使用多智能体体系在人工智能协商方面的上风，提出了一个基于多智能体本性化保举体系的架构，在原有保举算法的底子上通过对差异的保举结果举行有效性协商，根据不竭举行自学习得到最优的保举结果，以补充原有保举算法智能化不敷的缺点，为量化、感知用户需求等题目提供了新的研究思绪。参考文献：1王继成潘金贵张福炎:eb文本开掘技能研究j.盘算机研究与生长，2000，37(5):5135202韦鲁玉丁华福:基于agen