2018论基于多Ａｇｅｎｔ的个性化电子商务解决方案

4986996

　　[论文关键词] Agent　商务　个性化服务　智能化
　　
　　[论文摘要] 伴随电子商务的迅速发展，电子商务的个性化服务研究已经成为一个热点。本文提出了一种将多Agent技术引入电子商务的解决方案，从而使电子商务系统达到了个性化的服务和智能化的特点。
　　一、引言
　　近年来，随着Internet的普及应用，电子商务得到很大的发展。电子商务的发展模式对企业服务提出了许多新要求，包括商品的质量保证、送货及时、商品选购舒适、退货方便等，其中，最为突出的问题就是商品选购。由于供应链和物流的发展，在电子商务的虚拟下，商家能够在网上提供的商品种类和数量非常多，但用户不可能通过一个小小的屏幕很方便地发现自己感兴趣的商品，用户既不愿意花太多时间在漫无边际的网上寻找商品，也不可能像在环境下那样检查商品的质量。因此，个性化服务对电子商务企业提出了挑战，企业能否及时准确地提供个性化的商品信息给用户，能否给用户提供舒适的购物环境，把消费者从群演变到个人，是电子商务成败的关键。在国内，个性化已在电子商务领域初现端倪。很多企业已经十分注重通过个性化来提高电子商务的竞争力了。但我们应该清醒地看到，在我国，无论是理论研究还是企业应用，电子商务个性化服务还只是刚刚起步，真正的个性化服务与用户还相距较远。问题的关键是缺乏真正实现个性化服务的技术支撑。
　　Agent是综合人工智能和网络技术的一种新兴分布计算技术，因它的智能性、动态性和移动性等特性，将其应用于电子商务领域，为智能资源的发现、个性化服务提供技术支持，基于多Agent的电子商务研究是一门崭新的课题，是第三代电子商务研究的方向。
　　本文提出了一种基于多Agent的个性化电子商务解决方案，并介绍了实现的关键技术。
　　二、Agent技术及Multi-Agent系统
　　Agent是处在某个环境中的计算机系统，该系统有能力在这个环境中自主行动以实现其设计目标。如图1。
　　图1 环境中的Agent
　　Agent是一个具有全部或部分下列特征的软件实体，这些特征是：自主性、环境适应性、具有一定的知识（具有学习能力）、移动性、通讯与协作能力。
　　多Agent系统是由多个Agent组成的系统，它是为了解决单个Agent不能够解决的复杂问题，由多个Agent协调合作形成的问题求解网络。
　　将多Agent技术应用于电子商务系统中，具有以下明显的优点：
　　1.Agent的自主性和学习性使得电子商务系统可以在不受用户监控和下由系统的决策机制决定采取什么行动，并与用户并发工作，又可以学习记忆用户的兴趣爱好，建立用户兴趣模型来指导自己的决策，使之符合用户的个性化服务需求。
　　2.Agent可以从网络中某个结点移动到其他结点执行来完成一定的任务，移动Agent技术具有动态性和分布计算的特点，进一步扩展了Agent处理事物的功能，利用它使得定制服务和即时服务成为可能，而且提高了采集用户兴趣和搜索信息的效率。
　　3．Agent使电子商务系统能主动地分析和获取用户的个性信息并根据用户的兴趣模型了解用户的潜在需求，采取主动的行为，从而达到主动为用户服务的目的。
　　三、基于多Agent的个性化电子商务解决方案
　　1.基本框架。系统由一个典型的多层Web应用程序和一个运行在分布式环境中的Agent系统组成，如图2所示，前者包括一套网页和相关的数据库，后者有多个Agent组成。
　　图2 系统基本框架
　　（1）顾客Agent：每个顾客都对应着一个确定的顾客Agent，当顾客发出请求或任务时，顾客Agent就会对顾客的请求分析和判断，一方面进行自我学习，从而了解顾客的某些特征，分析顾客的兴趣和喜好，并把这些特征记录在用户信息库中；另一方面把活动的详细分析交给决策Agent，再由它决定如何将任务分配给MAS中的各商品推荐Agent。另外顾客Agent还将商品推荐Agent执行的结果记录在用户信息库中，以备下次请求时使用。顾客Agen隔一定时间后，自动检查用户信息库中用户请求频率较高的几种操作，并自动重新执行，以便及时向顾客反馈经常需要得到的新信息。
　　(2)顾客模型库:顾客模型库包括两方面的信息，一是顾客的基本信息，用户名、密码等，另外就是顾客的兴趣和爱好等信息，它是商品推荐策略的基础。
　　(3)顾客行为记录库：顾客行为记录库记录了顾客购买或经常浏览的商品的行为记录，它们是基于规则的推荐策略的依据。
　　（4)决策Agent：它掌握着所有商品推荐Agent的信息、特性和属性以及各自所能完成的任务。它接受顾客Agent的任务请求，并对模糊的信息再次进行分析，根据各个商品推荐Agent的自身特性和功能进行分配，使它们完成所分配的任务。
　　（5)商品推荐Agent：在本系统中，它由2个商品推荐Agent组成，Agent1是基于知识的推荐，主要是根据顾客的兴趣、爱好的推荐;Agent2是基于规则的推荐，主要是根据顾客浏览购买记录的推荐。推荐算法很多，可以根据所要处理的问题，增加或减少商品推荐Agent的数量。推荐算法的选择是个性化服务成功的关键。
　　整个系统实现的核心是[1]