基于用户行为的多Agent电子市场个性化推荐系统.docVIP

基于用户行为的多Agent电子市场个性化推荐系统 　　【摘 要】为了进一步提高电子市场推荐系统的精准性，引入多Agent技术，利用自下而上的推荐方法，结合动态情境进行用户数据分析，整合用户行为特性，构建以商品为推荐对象的符合用户兴趣爱好个性化推荐系统。通过实验，表明多Agent技术在一定的程度上提高用户兴趣及购买率。 　　【关键词】多Agent；电子市场；个性化推荐系统；用户行为 　　随着互联网的普及应用，线上购物优点的突显，其已逐渐成为一种普遍的购物方式，各电商网站为了吸引更多的用户，通常致力于各种推荐策略促销手段的应用，如何根据用户行为，挖掘用户特点实施潜在的、有效的个性化推荐成为了电子市场的热点研究问题。本文引入多Agent技术，利用其自下而上的建模方法，结合动态情境进行用户进行数据分析，通过模型显现分析和预测用户行为特性，构建以商品为推荐对象的个性化推荐系统，为用户推荐符合兴趣爱好的商品。 　　1 多Agent技术 　　1.1 Agent技术概念及特征 　　Agent技术源于人工智能领域，指具有目标驱动能力、自制能力及智能，能够通过各种学习、推理等方法感知和适应复杂的动态环境，并能够主动最亲目标的能动实体[1]。具有一定程度的拟人性，中文可译为智能体，具有一定“拟人”属性，能够代替或协助人完成一定的工作，因而采用Agent技术构建个性化电子市场推荐系统具有一定的可行性和先进性。 　　Agent具有如下特征[2]： 　　智能性：具有推理能力，能有针对性地分析解决问题，提供准确信息，进行复杂任务的分解、分析、预测用户意图。 　　社会性：通过通信语言与Multi-Agent进行交互，协调任务、消解矛盾，通过与其他 Agent 协同工作执行和完成独自无法解决的复杂工作。 　　反应性：自主感知外部环境，并作出及时的反应。 　　自适应性：根据计算环境，针对不同系统终端，自动采取行为，进行自主学习，自动识记用户信息，进行自主决策，将用户兴趣、爱好、习惯等情境信息进行主动存储，建立用户日志，提供主动服务。 　　能动性：无需外界操作控制自主运行控制自身行为及内部状态。 　　1.2 多Agent系统 　　Agent的社会性特征，采用多Agent进行系统架构，通过对单个Agent系统的优化组合，多Agent系统能够实现系统目标、资源的合理统筹，能够最大限度的实现不同的目标[3]。同时，由于单个Agent系统具有一定的独特性，自治性，将多个Agent进行协同工作时，能够构成多个节点，在独立工作的同时又形成求解网络，较大程度的提高了系统的工作效率，因此，多Agent信息推荐系统对于个性化信息推荐具有极大的优势。 　　2 基于用户行为的multi-Agent电子市场个性化推荐系统的整体架构 　　本文提出了基于用户行为的multi-Agent电子市场个性化推荐系统（multi-Agent E-Commerce personalized recommendation system based on user behavior，MACPRSUB）。电子市场交易活动，受当前情境影响，如消费者用户个性特征（年龄，收入，偏好等）、网络状态、购买经历、市场服务等内外部情境。MACPRSUB的主要功能为，通过分析用户行为，购买经历，建立用户日志，分析用户兴趣，行为偏好，建立用户模型，进而进行商品服务推荐，刺激和帮助用户做出购买决策实施购买行为。由于用户在购买决策的过程中会处于动态情境中，发生不断的变化，因此本文基于Agent的特征构建了如下图所示的多Agent共同协作的动态MACPRSUB推荐系统，结构如图1所示。 　　每位进入电子市场的线上购物用户都会获得一个用户Agent，监听用户行为，反馈给相关联的终端Agent，由终端Agent建立用户日志，进行基于行为的用户偏好建模，进行用户细分。辅助Agent在推荐系统中与用户及电子市场MACPRSUB推荐系统数据库相互关联，互相提供信息，用户通过辅助Agent获得市场信息进行搜索等操作，电子市场通过辅助Agent获得用户信息，决定和改善推荐策略。 　　图1 MACPRSUB推荐系统整体架构 　　下面对MACPRSUB推荐系统中的各Agent的功能进行具体的描述。 　　2.1 用户Agent 　　用户Agent主要有两个任务，一个是通过终端Agent获取商品信息，终端Agent提供搜索功能；例外一个是向终端Agent传递用户信息，便于终端Agent分析和建立用户日志，进行偏好建模，进而决定和改善推荐策略。 　　用户Agent由连接参数（Connection Parameters，CPS）和用户配置文件组成（User Configuration File，UFC）组成