多Agent协同电子商务推荐系统模型.docVIP

多Agent协同电子商务推荐系统模型 　　摘 要：为了进一步提高电子商务推荐系统中商品推荐的准确性和高效性，通过分析传统推荐系统存在的问题和已有的优化方案，提出了多Agent的电子商务推荐系统模型。推荐系统通过人工智能领域中的多Agent技术，并应用终端自适应特性，改善了传统推荐系统在多终端情况下的电子商务系统的推荐效率，并根据用户使用的不同终端动态返回推荐结果。实验结果表明，多Agent协同的电子商务推荐系统在一定程度上提高了推荐效率和准确性。 　　关键词：多Agent；推荐系统；电子商务；个性化推荐；聚类分析 　　0 引言 　　如今，电子商务在社会和生活中的地位越来越显著。与此同时，电子商务规模的急剧扩大也使得用户耗费大量的时间浏览无关商品，对于销售商而言，以最合适的方式将商品推荐给用户是他们迫切希望的[1]。于是，电子商务推荐系统逐渐发展起来并成为研究热点。基于传统推荐算法的电子商务推荐系统存在着稀疏性、冷启动、新用户等问题[2]，因此，如何解决这些问题成为研究中的重中之重。 　　现有的大多数关于推荐系统优化的研究主要集中于对传统算法的优化。文献[3]对基于内容的推荐算法进行改进，然而基于内容的推荐算法本身的新项目缺陷导致单独优化该算法的提升空间不大；文献[4]介绍了一种将数据集进行聚类的改进协同过滤算法，文献[5]和文献[6]分别基于聚集平滑和分布式计算改进协同过滤；文献[7]则是将基于模型与基于内存的协同过滤算法相结合，在一定程度上改善冷启动问题。这些文献的研究都只是优化了推荐响应时间，而忽略了推荐的个性化程度；或者是优化了推荐效率，却缺乏普遍性。也有一部分研究考虑应用多Agent技术对推荐系统模型进行改进。文献[8]介绍了应用于Web搜索的多Agent推荐系统，文献[9]详细介绍了一种多Agent推荐系统通信技术的具体实现。然而，很少有研究提出关于非个人电脑（Personal Computer， PC）终端访问电子商务系统对推荐系统的影响。文献[10]提出基于对等选择的分布式推荐系统架构，然而该架构为了比较用户的偏好配置文件造成计算成本过高；文献[11]采用设备监听器来记录用户设备配置文件，并根据相似度对用户进行分组，再根据用户配置文件使用算法生成器对每个用户组生成推荐算法。在此基础上，本文提出了一种支持终端自适应的多Agent协同的电子商务推荐系统模型，从而提高推荐系统的个性化、自动化和持久化程度。 　　1 多Agent技术 　　1.1 Agent技术的概念及其特征 　　Agent技术来源于人工智能领域，中文译名为智能体。Agent有如下特征[12]： 　　自治性 　　Agent具有其自身的计算资源和和局部于自身的行为控制机制，可以在没有外界直接操纵的情况下，根据其内部状态和感知到的环境信息，决定和控制自身行为。 　　社会性 　　Agent能够通过通信语言与其他Agent进行交互，有效地与其他Agent协同工作。 　　反映性 　　Agent能够感知所处的环境并及时作出反应。 　　主动性 　　Agent能够采取主动行为，表现出面向目标的行为。 　　1.2 多Agent协同 　　由于Agent的社会性，采用多Agent架构优于单个Agent控制的系统，通过多Agent协同工作，能够提高系统效率。利用Agent的特征，将多Agent技术应用到推荐系统中，可提高电子商务推荐系统中商品推荐的准确率和效率[13-14]。 　　2 终端自适应特性 　　在进行网页访问时，用户使用的终端不尽相同，例如PC、笔记本电脑、手机、个人数字助理（Personal Digital Assistant， PDA）等。这些终端有各自独特的构造和技术特点[15]（例如显示模式、带宽等），电子商务网站在展示推荐结果时需要区分对待；其次，在电子商务网站和各个终端之间传输数据所使用的格式存在差异；对于手机、PDA等处理能力较差、资源有限的终端，在这些终端上运行软件收集终端的配置文件并不现实。 　　因此，系统应用了终端自适应特性，可以解决以往用户在浏览电子商务网站获得商品推荐时因为使用不同终端造成感知差的问题。 　　3 系统模型介绍与多Agent应用 　　本文提出了一个多Agent协同的电子商务推荐系统模型（MultiAgent Cooperative ECommerce Recommender System， MACERS），该模型由4种Agent组成。MACERS的整体架构如图1所示。 　　6 结语 　　本文提出了一个支持终端自适应的多Agent协同的电子商务推荐系统MACERS，当用户使用不同的设备访问电子商务网站，推荐系统则根据用户的设备配置文件和用户配置文件产生合适的推荐。未来还需要对以下问题进行研究：首先，确定χ的最优值得到最优的用户聚类；