基于multi-agent的電子商務(wù)個性化推薦系統(tǒng)模型設(shè)計(jì)與研究(編輯修改稿)
2025-12-11 23:00 本頁面
【文章內(nèi)容簡介】 針對用戶特點(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，同時記錄 用戶的訪問模式和興趣偏好， 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 整個推薦 系統(tǒng)個性化服務(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)果主動通知給用戶 瀏覽，并提供評價(jià)反饋窗口， 由用戶對推薦結(jié)果進(jìn)行評價(jià)反饋。 并且與評價(jià)反饋 Agent 進(jìn)行通信， 并將用戶的評價(jià)反饋結(jié)果 傳遞給評價(jià)反饋 Agent，以便將 用戶評價(jià) 存儲到 數(shù)據(jù)庫中 ， 按照一定的規(guī)則， 記錄用戶對推薦結(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)顧客的瀏覽或購買行為向推薦引擎 Agent 發(fā)送推薦請求。監(jiān)視 Agent 可以采用主動的或被動的執(zhí)行方式。主動執(zhí)行方式是捕獲到顧客 在用戶界面 Agent 的相關(guān)行為后，及時通告推薦引擎 Ag ent 為顧客進(jìn)行推薦服務(wù) ； 被動方式是顧客 可以 通過用戶界面 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 還會及時地捕獲用戶瀏覽行為或購買行為的變化，一旦顧客的行為和興趣 發(fā)生變化，它會及時地向 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 評價(jià)反饋 Agent 推薦引擎 Agent 源數(shù)據(jù)庫 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 推薦算法庫 推薦 記錄 庫 評價(jià)記錄 庫 用戶數(shù)據(jù) 庫 源數(shù)據(jù) 庫 挖掘數(shù)據(jù) 庫 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 能夠及時地對用戶的行為進(jìn)行分析， 及時 更新用戶 興趣 模型， 為推薦引擎 Agent 提供最新的用戶信息 和興趣愛好 。 評價(jià)反饋 Agent 用戶評價(jià)反饋 Agent 接收 用戶界面 Agent 傳遞的用戶評價(jià)結(jié)果， 把評價(jià)結(jié)果存儲到用戶評價(jià)庫中， 通過 數(shù)據(jù) 挖掘 Agent 進(jìn)行學(xué)習(xí)，預(yù)測用戶評價(jià) ， 動態(tài)地修改用戶興趣模型 ，從而更精確地描述用戶興趣 ，同時 輔助 推薦引擎 Agent 提高推薦 的準(zhǔn)確度 。 評價(jià)推薦的兩種方式 為 ：離線評價(jià)和在線評價(jià) 。在設(shè)計(jì)該評價(jià)反饋 Agent 時，同時采用了這兩種評價(jià)方式。通過這兩種評價(jià)方式，能大大提高用戶對資源評價(jià)的準(zhǔn)確性，有利于獲得更準(zhǔn)確更真實(shí)的興趣偏好。 在線評價(jià)，是通過網(wǎng)上在線調(diào)查用戶對推薦 結(jié)果 的評價(jià)。用戶界面 Agent 提供的用戶 評價(jià)反饋窗口就是屬于在線評價(jià)。 它將評價(jià)結(jié)果 傳遞給 評價(jià)反饋 Agent。 離線評價(jià)：利用數(shù)據(jù)挖掘技術(shù)，從用戶的評價(jià)數(shù)據(jù)庫及用戶興趣行為數(shù)據(jù)庫中進(jìn)行數(shù)據(jù)挖掘，根據(jù)已作出的評價(jià)，從而預(yù)測出沒有的評價(jià)。 利用這些評價(jià)再進(jìn)行協(xié)同過濾，可以增加資源評價(jià)的密度，克服協(xié)同過濾的稀疏性，從而提高協(xié)同過濾的性能 ， 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)容過濾的推薦方法和基于協(xié)同過濾的推薦方法的組合），所以在評價(jià)反饋 Agent 設(shè)計(jì)上，也采用了這種離線評價(jià)方法。 數(shù)據(jù) 挖掘 Agent 與評價(jià)反饋 Agent 需要共同協(xié)作，才能 得到更準(zhǔn)確的評價(jià)。 在設(shè)計(jì)環(huán)節(jié)中，本文還引入一種 通過信函式推薦 間接 獲取 用戶的評價(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 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)擊鏈接來推測用戶是否對推薦 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， 往往 是不會點(diǎn)擊鏈接來浪費(fèi)時間。所以，點(diǎn)擊鏈接表示用戶對此內(nèi)容感興趣。通過此種方式得到的用戶評價(jià)比較準(zhǔn)確， 能 更好的反映用戶的滿意度。有時，比通過在線評價(jià)反 饋系統(tǒng)得到的用戶 評價(jià) 更準(zhǔn)
公司管理相關(guān)推薦
鄂ICP備17016276號-1