基于multi-agent的電子商務(wù)個(gè)性化推薦系統(tǒng)模型設(shè)計(jì)與研究(編輯修改稿)
2024-12-11 23:00 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 針對(duì)用戶特點(diǎn)提供良好的人機(jī)操作界面 ，以便用戶給出規(guī)范的 興趣偏好，同時(shí)記錄 用戶的訪問(wèn)模式和興趣偏好， 與用戶興趣模型管理Agent 進(jìn)行通信， 為用戶信息的收集、 用戶興趣模型 的建立和更新提供信息 ， 為 整個(gè)推薦 系統(tǒng)個(gè)性化服務(wù)提供依據(jù)。 其二， 用戶界面 Agent 將 推薦 引擎 Agent 獲得的推薦結(jié)果主動(dòng)通知給用戶 瀏覽，并提供評(píng)價(jià)反饋窗口， 由用戶對(duì)推薦結(jié)果進(jìn)行評(píng)價(jià)反饋。 并且與評(píng)價(jià)反饋 Agent 進(jìn)行通信， 并將用戶的評(píng)價(jià)反饋結(jié)果 傳遞給評(píng)價(jià)反饋 Agent，以便將 用戶評(píng)價(jià) 存儲(chǔ)到 數(shù)據(jù)庫(kù)中 ， 按照一定的規(guī)則， 記錄用戶對(duì)推薦結(jié)果的滿意程度。 監(jiān)視 Agent 監(jiān)視 Agent 主要職責(zé) 是 監(jiān)視用戶界面 Agent 上用戶的操作和瀏覽行為。 監(jiān)視 Agent 隨時(shí)捕獲 登錄 電子商務(wù) 網(wǎng)站的顧客信息 ， 并依據(jù)顧客的瀏覽或購(gòu)買行為向推薦引擎 Agent 發(fā)送推薦請(qǐng)求。監(jiān)視 Agent 可以采用主動(dòng)的或被動(dòng)的執(zhí)行方式。主動(dòng)執(zhí)行方式是捕獲到顧客 在用戶界面 Agent 的相關(guān)行為后，及時(shí)通告推薦引擎 Ag ent 為顧客進(jìn)行推薦服務(wù) ； 被動(dòng)方式是顧客 可以 通過(guò)用戶界面 Agent 和監(jiān)視 Agent 進(jìn)行交互，由用戶向監(jiān)視 Agent提出搜索商品或需要推薦的要求，再由其通告推薦引擎 Agent 為用戶提供推薦服務(wù)。 另外，監(jiān)視 Ag ent 還會(huì)及時(shí)地捕獲用戶瀏覽行為或購(gòu)買行為的變化，一旦顧客的行為和興趣 發(fā)生變化，它會(huì)及時(shí)地向 用戶興趣模型管理 Agent、 數(shù)據(jù) 挖掘 Agent 通告相應(yīng)的 信息用戶界面 Agent 監(jiān)視 Agent 數(shù)據(jù)挖掘 Agent 評(píng)價(jià)反饋 Agent 推薦引擎 Agent 源數(shù)據(jù)庫(kù) 監(jiān)控 Agent 用戶興趣模型管理 Agent 用戶 邏輯 層 數(shù)據(jù) 層 產(chǎn)品信息 庫(kù) 推薦算法庫(kù) 推薦 記錄 庫(kù) 評(píng)價(jià)記錄 庫(kù) 用戶數(shù)據(jù) 庫(kù) 源數(shù)據(jù) 庫(kù) 挖掘數(shù)據(jù) 庫(kù) 圖 1 MAPRS 的整體架構(gòu)圖 4 變化， 用戶興趣模型管理 Agent 、 數(shù)據(jù)挖掘 Agent 能夠及時(shí)地對(duì)用戶的行為進(jìn)行分析， 及時(shí) 更新用戶 興趣 模型， 為推薦引擎 Agent 提供最新的用戶信息 和興趣愛(ài)好 。 評(píng)價(jià)反饋 Agent 用戶評(píng)價(jià)反饋 Agent 接收 用戶界面 Agent 傳遞的用戶評(píng)價(jià)結(jié)果， 把評(píng)價(jià)結(jié)果存儲(chǔ)到用戶評(píng)價(jià)庫(kù)中， 通過(guò) 數(shù)據(jù) 挖掘 Agent 進(jìn)行學(xué)習(xí)，預(yù)測(cè)用戶評(píng)價(jià) ， 動(dòng)態(tài)地修改用戶興趣模型 ，從而更精確地描述用戶興趣 ，同時(shí) 輔助 推薦引擎 Agent 提高推薦 的準(zhǔn)確度 。 評(píng)價(jià)推薦的兩種方式 為 ：離線評(píng)價(jià)和在線評(píng)價(jià) 。在設(shè)計(jì)該評(píng)價(jià)反饋 Agent 時(shí)，同時(shí)采用了這兩種評(píng)價(jià)方式。通過(guò)這兩種評(píng)價(jià)方式，能大大提高用戶對(duì)資源評(píng)價(jià)的準(zhǔn)確性，有利于獲得更準(zhǔn)確更真實(shí)的興趣偏好。 在線評(píng)價(jià)，是通過(guò)網(wǎng)上在線調(diào)查用戶對(duì)推薦 結(jié)果 的評(píng)價(jià)。用戶界面 Agent 提供的用戶 評(píng)價(jià)反饋窗口就是屬于在線評(píng)價(jià)。 它將評(píng)價(jià)結(jié)果 傳遞給 評(píng)價(jià)反饋 Agent。 離線評(píng)價(jià)：利用數(shù)據(jù)挖掘技術(shù)，從用戶的評(píng)價(jià)數(shù)據(jù)庫(kù)及用戶興趣行為數(shù)據(jù)庫(kù)中進(jìn)行數(shù)據(jù)挖掘，根據(jù)已作出的評(píng)價(jià)，從而預(yù)測(cè)出沒(méi)有的評(píng)價(jià)。 利用這些評(píng)價(jià)再進(jìn)行協(xié)同過(guò)濾，可以增加資源評(píng)價(jià)的密度，克服協(xié)同過(guò)濾的稀疏性，從而提高協(xié)同過(guò)濾的性能 ， 達(dá)到 提高推薦結(jié)果的滿意度 的目的 。 在設(shè)計(jì)推薦引擎 Agent 中，采用混合推薦模式（基于內(nèi)容過(guò)濾的推薦方法和基于協(xié)同過(guò)濾的推薦方法的組合），所以在評(píng)價(jià)反饋 Agent 設(shè)計(jì)上，也采用了這種離線評(píng)價(jià)方法。 數(shù)據(jù) 挖掘 Agent 與評(píng)價(jià)反饋 Agent 需要共同協(xié)作，才能 得到更準(zhǔn)確的評(píng)價(jià)。 在設(shè)計(jì)環(huán)節(jié)中，本文還引入一種 通過(guò)信函式推薦 間接 獲取 用戶的評(píng)價(jià) 的方法 。 信函式推薦 是 推薦 系統(tǒng)進(jìn)行線 下 推薦的方式， 是 通過(guò) 的方式 將 符合用戶興趣的 推薦結(jié)果及其相應(yīng)的鏈接通知給用戶。系統(tǒng)可以從用戶是否點(diǎn)擊鏈接來(lái)推測(cè)用戶是否對(duì)推薦 結(jié)果 滿意。用戶查看 發(fā)現(xiàn)推薦的內(nèi)容不符合自己的要求時(shí)， 往往 是不會(huì)點(diǎn)擊鏈接來(lái)浪費(fèi)時(shí)間。所以，點(diǎn)擊鏈接表示用戶對(duì)此內(nèi)容感興趣。通過(guò)此種方式得到的用戶評(píng)價(jià)比較準(zhǔn)確， 能 更好的反映用戶的滿意度。有時(shí)，比通過(guò)在線評(píng)價(jià)反 饋系統(tǒng)得到的用戶 評(píng)價(jià) 更準(zhǔn)
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1