一种基于用户行为多Agent信息系统研究.docVIP

一种基于用户行为的多Agent信息推荐系统研究 　　摘 要：通过分析用户行为和Agent技术，提出基于用户行为的多Agent个性化信息推荐系统设计模型。对基于用户行为数据进行分析，整合用户的行为特性可以为用户带来更好的使用体验，多Agent技术能结合用户兴趣偏好信息及用户访问记录实现信息过滤并推理出用户的意图，从而提供个性化的推荐服务。 　　关键词：多 Agent技术；推荐系统；信息过滤；用户行为 　　DOI：10.11907/rjdk.171443 　　中图分类号：TP399 文献标识码：A 文章编号：1672-7800（2017）009-0167-03 　　Abstract：The individualized demand of the user has become a trend. By analyzing the user behavior and Agent technology， the paper puts forward the design model of the multi-agent personalized information recommendation system based on user behavior. Based on the user behavior data analysis， the integration of the user’s behavior can give users a better experience， multi-agent technology can be combined with user interest preferences and user access records to carry out information filtering to infer the user’s intention to provide Personalized referral service. Multi-Agent technology is the core of this system to realize personalized information recommendation. 　　Key Words：Multi-agent； recommended system； information filtering； user behavior 　　0 引言 　　信息爆炸?r代，信息过载问题日益突出，需要通过某种方式来作出筛选以满足人们的个性化信息需求，此时电子商务推荐系统应运而生，它能帮助用户快速找到所需商品。目前的推荐系统种类繁多[1]，各有优势但同时也存在各自的缺点，在不同的平台表现出来的性能差异较大。通过调查分析发现，市场上的推荐系统普遍存在以下问题：系统移植比较困难、提供的推荐功能不够灵活多样、系统不容易维护、系统需要定制导致开发代价高等。 　　鉴于此，本文基于用户行为的多Agent信息推荐系统，结合用户行为数据进行分析，引入多Agent技术[2]，利用Agent的智能性、自主性、代理性特征，能够使得推荐系统从众多信息里过滤出用户真正所需的信息，使得推荐结果更符合用户的请求，即使在不确定和动态的环境下，此系统也能够表现出良好的性能，真正体现了智能适应性的个性信息推荐，也即“信息找人”的服务模式，从而提高系统的整体运营效率并创造更多的效益，有效减轻了信息过载问题。 　　1 信息推荐系统核心技术 　　1.1 用户行为数据分析 　　用户浏览系统往往具有很强的目的性，用户行为数据分析[3]是指获得访问基本数据情况，对有关数据进行统计、分析，用户很多浏览行为都能很好地反映用户兴趣爱好，从服务器日志挖掘出代表用户兴趣的模型，从中发现用户访问规律，并将这些规律与推荐算法等相结合，从而提高个性推荐系统的精确度。 　　用户行为分析包含以下重点数据分析：①用户的来源地区、来路域名和页面；②用户在网站的停留时间、回访次数、间隔访问次数；③用户所使用的搜索引擎、关键词、站内关键词；④注册用户和非注册用户两者之间的浏览习惯。 　　通过对用户行为监测获得的数据进行分析可以更加详细、清楚地了解用户个性化需求。 　　用户通过浏览相关物品信息，以及有相似兴趣的其他用户或者好友和用户本身注册信息具有的标签等，通过对这些数据的分析向用户推荐个性化的物品信息。用户行为分析模型如图1所示。 　　1.2 多Agent技术 　　Agent技术是一种处于一定环境下包装的计算机系统，能在该环境下灵活、自主地活动。Agent具有这样的特性：自治性、社会性、反映性、能动性，还具备一些人类才具有的特性，如知识、信念、义务、意图等。它拥有一定程度的