维普资讯 http://www.cqvip.com
２ＯＯ８年３月 第３期 Ｍａｒｃｈ．２０ｏ８ Ｎｏ．３ 基 于Ａｇｅｎｔ 和ＣＢＲ的电子商务推荐系统模型研究 曾子明 （武汉大学信息管理学院，武汉４３００７２） 【摘要］ 本文提出一种融合多Ａｇｅｎｔ和案例推理（ＣＢＲ）技术的电子商务推荐系统模型，在多Ａｇｅｎｔ环境下应 用ＣＢＲ技术建立了一种多属性决策的综合评价机制，即采用相似度计算方法检索到相似案例，从而对候选商品给出 定性或者定量的评价，为客户提供智能化的决策支持。 ［关键词］ 推荐系统；案例推理；Ａｇｅｎｔ；多属性决策；相似度 （Ａｂｓ喇］ ｐａｐｅｒ ｐｒｅｓｅｎｔｓ ａｎ ｅｌｅｃｔｒｏｎｉｃ ｂｕｓｉｎｅｓｓ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ—ａｇｅｎｔ ｎａｄ Ｃａｓｅ —ｂａｓｅｄ Ｒｅａｓｏｎｉｎｇ（ＣＢＲ）． ｍｏｄｅｌ印ｐｄｊｅｓ ＣＢＲ ｔｏ ｂｕｉｌｄ ａ ｍｕｌｔｉ—ａｔｔｉｒｂｕｔｅ ｅｖａｌｕａｔｉｏｎ，ａ ｍｅｔｈｏｄ ｔｈａｔ ｃａｌｃｕｌａｔｅｓ ｔｈｅ ｓｉｍｉｌａｒｉｔｙ ｄｅｇｒｅｅ ｔｏ ｆｉｎｄ ｏｕｔ ｓｉｍｉｌａｒ ｃａｓｅｓ，ｔｈｕｓ ｑｕａｌｉｔａｔｉｖｅ ｏｒ ｑｕａｎｔｉｔａｔｉｖｅ ｅｖａｌｕａｔｉｏｎ ｏｆ ｃｅｒｔａｉｎ ｐｒｏｄｕｃｔ ｓｃｈｅｍｅ ｃａｎ ｂｅ ｇｉｖｅｎ ａｎｄ Ｃａｎ ｐｒｏｖｉｄｅ ｉｎｔｅｌｌｉｇｅｎｔ ｄｅｃｉｓｉｏｎ ｓｕｐｐｏｒｔ ｆｏｒ ｕｓｅｒｓ． ［Ｋｅｙｗｏｒｄｓ３ Ｒｅｃｏｍｍｅｎｄａｉｔｏｎ Ｓｙｓｔｅｍ；Ｃａｓｅ—ｂａｓｅｄＲｅａｓｏｎｉｎｇ；Ａｇｅｎｔ；ｍｕｌｔｉ—ａｔｔｉｒｂｕｔｅ ｄｅｃｉｓｉｏｎ；ｓｉｍｉｌａｒ－ ｉｔ）ｒ ［中图分类号］Ｆ７１３ ［文献标识码］Ａ ［文章编号］１００８—０８２１（２００８）０３一Ｏ２０９—０２ 随着Ｉｎｔｅｒｎｅｔ技术的发展，传统的商务活动逐渐向Ｉｎ． 为新案例的求解，是对过去的求解过程与结果的复用，可 ｔｅｍｅｔ转移，网上的商务交易势必将更加频繁，在线企业的 以提高新案例的问题求解效率。由此可见，案例推理方法 数量如爆炸式增长。这虽然促进了电子商务的蓬勃发展， 实际上是一种类比推理方法，它适合在需要参考过去经验 但另一方面也对人们提出了新的挑战。近年来，随着Ａｇｅｎｔ 的情况下解决复杂问题。 技术的发展，电子商务中以Ａｇｅｎｔ为中介的技术正在迅猛 ２基于案例推理的推荐模型 发展Ｌｌ Ｊ。文献［１］中采用一种中间Ａｇｏｎｔ，为供应商和 ２．１模型的特点 客户之间定位和沟通提供匹配模型；文献［２］在个性化的 本文的主要任务是设计一个基于多Ａｇｅ．ｔ的电子商务 购物过程中，提出了一种基于Ａｇｅｎｔ的决策分析机制；文 推荐系统模型，该模型具有如下显著的特征： 献［３］则以Ａｇｅ．ｔ技术作为系统建模的基础，利用多属性 ２．１．１能替客户在Ｉｎｔｅｍｅｔ中自动搜索合乎条件的商品信 决策模型建立了一个基于偏好的评价模型。总之，Ａｇｅｎｔ技 息，并对各种候选商品的报价进行多属性决策评价。 术具有性、智能性、可移动性，并表现出很强的协作 ２．１．２推荐系统对每个候选商品报价进行案例匹配，自动 能力，正在成为一种新的计算和问题求解方法及电子商务 搜索相似案例，并对候选商品报价进行合理的评价，进而 智能化的重要技术。在电子商务活动中，客户选择商品的 排序筛选。 购买过程是一个有效的卖方选择过程，这种选择可按以下 ２．１．３推荐系统能模拟人类学习能力，对案例推理进行自 因素考虑：价格、质量、可靠性、提交时间、信誉度等。 适应学习过程，并能进行相应案例扩充。 购买过程从客户需求开始，然后选择合适的商品，发订单 ２．２系统解决方案 给相应的供应商，从而完成交易过程。如果搜索得到的候 针对以上要解决的问题，本文设计的推荐系统为网站 选商品多于一个，就存在着方案的优劣问题。因此，建立 的注册用户提供个性化的推荐服务。系统工作流程如图１ 一个评价选购方案的电子商务推荐系统便成为必然。 所示。 本文提出一种基于案例推理的多属性决策评价模型， 当客户发出一个购买请求Ｒ并指定需求后，推荐系统 并用Ａｇｅｎｔ技术建立了一个电子推荐系统，为复杂Ｗｅｂ环 首先执行搜索任务，具体可有一组搜索Ａｇｅｎｔ完成，在ＩＩＩ． 境下网上购物智能化提供了一个独特的解决方案。 ｔｅｍｅｔ网络上搜索相关供应商网站，并随时向客户返回当前 １案例推理方法 搜索进度，提供已搜索到的候选商品集。推荐系统对每个 案例推理（Ｃａｓｅ—ｂａｓｅｄ Ｒｅａｓｏｎｉｎｇ，ＣＢＲ）是人工智能 候选商品作出综合评价，具体过程如下：首先由推荐系统 领域新出现的一种重要的推理方法ｌ４ Ｊ，近年来相关理论研 从案例库中检索出与当前候选商品相关的案例商品，再对 究及其开发已经受到人们广泛的重视。案例推理是基于人 检索后的案例库中的案例进行完全匹配计算，从而检索到 类认知过程的一种方法，其核心思想是在求解问题时，在 相似商品案例；然后根据这个相似案例的评价结果形成当 以前类似的求解问题的成功案例基础之上进行推理，在新 前候选商品的评价，并根据实际情况修正。当所有候选商 的案例与源案例二者能够匹配的前提下，用源案例的解作 品全部评价完后，推荐系统按评价高低对所有候选商品进 收稿日期：２００８—Ｏ１—０２ 作者简介：曾子明（１９７７一），男，博士，武汉大学信息管理学院讲师，研究方向：电子商务、数据挖掘，发表论文１Ｏ余篇。 ・———２０９・－—— 情 报 纵 撩 维普资讯 http://www.cqvip.com
２００８年３月 第３期 Ｍａｒｃｈ．２０ｏ８ Ｎｏ．３ 推荐 图１系统工程模型 行排序，并从中选择评价较高的商品作为推荐商品。当客 户选中最优商品后，推荐系统能进行自适应学习，对选中 商品进行相应的案例扩充。 ３基于Ａｇｅｎｔ的推荐系统的实现模型 在推荐系统中，本文采用了水平分层的模型 Ｊ，即在 推荐系统内部，用多个Ａｇｅｎｔ通过分工合作来完成智能推 荐任务，如图２所示。整个推荐系统内部模块可划分为界 面Ａｇｅｎｔ、决策Ａｇｅｎｔ、搜索Ａｇｅｎｔ、案例管理Ａｇｅｎｔ。相似度 计算Ａｇｅｎｔ五大部分。这些部分分工协作构建起一个多Ａ— ｇｅｎｔ系统，在推荐系统中充当客户的替身，协助客户完成 推荐任务，从而履行代理的职责。这种划分方式使得各Ａ— 情 报 ｇｅｎｔ模块功能相对，能够提高各Ａｇｅｎｔ软部件的可复用 纵 性，同时各Ａｇｅｎｔ之间可以并发执行，从而能够提高整个 横 系统性能。几个Ａｇｅｎｔ的分工如图２。 电子商务推荐Ｍ站 界 —－—－ 决 一 查 卜 Ａ曲ｇｅ ｎｔ Ａｇ策ｅ 蛩ｎｔ — 图２基于多Ａｇｅｎｔ导购系统结构 ３．１决策Ａｇｅｎｔ 决策Ａｇｅｎｔ在推荐系统中起着核心的作用，负责系统 中各Ａｇｅｎｔ之间的协调。首先，它实时的与搜索Ａｇｅｎｔ模块 交互，从搜索Ａｇｅｎｔ获得互联网上提供的候选商品集。然 后，决策Ａｇｅｎｔ再与相似度计算Ａｇｅｎｔ交互，进行相关的案 例匹配，从而得到每个候选商品方案的评价结果。最后， 决策Ａｇｅｎｔ按评价结果由高到低对候选商品进行排序，并 留下评价结果最高的方案给客户查看。 ３．２搜索Ａｇｅｎｔ 候选商品的搜索任务交由搜索Ａｇｅｎｔ完成。为了提高 搜索的效率，搜索Ａｇｅｎｔ创建一组子Ａｇｅｎｔ进行并发搜索。 一２１０一 每个子Ａｇｅｎｔ在Ｉｎｔｅｍｅｔ网上进行候选商品的搜索，并把搜 索的结果提交给父Ａｇｅｎｔ。由于搜索时间可能较长，搜索 ｇＡｅｎｔ可以及时向客户返回候选商品搜索的进展情况。 ３．３案例管理Ａｇｅｎｔ ．案例管理Ａｇｅｎｔ对案例库进行相应的管理和维护。首 先，案例管理Ａｇｅｎｔ对案例库进行初步检索，然后再与相 似度计算Ａｇｅｎｔ进行交互，把案例推理的任务交给相似度 计算Ａｇｅｎｔ去完成。当推理成功后，即相似案例的解经过 调整和修正，能作为评价候选商品的解决方案，即将相似 案例的评价结果作为对候选商品的评价结果，则候选商品 加入到案例库中，案例扩充过程是通过案例管理Ａｇｅｎｔ实 现的。 ３．４相似度计算Ａｇｅｎｔ 相似度计算Ａｇｅｎｔ在对每个候选商品进行多属性决策 评价中起着重要的作用，它在推荐系统中实现了案例推理 机制。首先，推荐系统根据客户的搜索请求对案例库的历 史商品方案进行初步检索，这个过程通过案例管理Ａｇｅｎｔ 实现。然后相似度计算Ａｇｅｎｔ对检索后的案例库中的案例 进行完全匹配计算，检索到候选商品的相似案例；最后根 据这个相似案例的评价结果形成当前候选商品的评价，并 根据实际情况修正。其数学模型设计为： 设论域 是案例库中的商品历史案例集合，知为从 Ｉｎｔｅｍｅｔ网络上搜索到的待评候选商品集合， 为通过关键 指标用ＳＱＬ语句对案例库进行初步检索到的案例集合。 ｃ ，Ｘ＝｛案例１，案例２，…，案例ｍ｝＿｛ ｌ， ２，…， ｝， 设Ｙ＝｛指标１，指标２，…，指标 ｝＿｛Ｙｌ，Ｙ２，…， ｝为商品 属性指标集合，每种案例 关于指标竹的效用值记为厅＝ Ｊ；（ ），ｉ＝１，…，ｍ， ＝１，…， 。因此，ｍ× 个 得到 决策矩阵如下： … … Ｆ＝ ＝（ ） （１） ｌ … 为了消除不同量纲的因素指标值的影响，相似度计算 ｇＡｅｎｔ须对矩阵Ｆ进行无量纲化处理。本文采用如下一种 变换模型： ｆｏ＝ 厶 （２） √∑（Ｙ ｉ；１ ） 对决策矩阵Ｆ规范后，得到 ＝（ ） ，即 的值 在Ｅｏ，１］内。案例推理的基本原理是在案例库中检索出 与待评价方案最相似的案例，并根据以往的使用经验对当 前的方案提供相应评价。案例推理常用的检索方法主要有 最近相邻法，即考虑案例库空间 中各旧案例点 与当前 待评价的候选方案 ０关于各因素指标的相似度。其算法模 型定义为： ，＿＝ ————一 ＝１一＾／∑ （１ ， —ｆｏｊ） ｉ＝１，…，ｍ， ＝１， …，ｎ （３） 其中： 是案例库中第ｉ个旧案例与候选商品方案 的综合相似度；ｆｏｉ代表待评价的候选商品（下转第２１３页） 维普资讯 http://www.cqvip.com ２００８年３月 第３期 Ｍａｒｃｈ．２００８ Ｎｏ．３ 班的方式，也可为企业代培信息管理人员，帮助他们建立 自己的信息系统；通过举行信息发布会、信息交易会，科 技录像播放、现场咨询等形式的巡回服务，可增进高校图 书馆与企业的沟通并及时进行信息反馈 Ｊ。 发布的信息有绝对的权威性和指导性；②地方高校图书馆 和涉工部门作为分支承担信息的采集，初步处理和中心传 递任务。 ４小结 ３．３ 实施信．ｇ－）￣Ｅｔ务创新工作 人类社会的每一次重大变革，总是以思想的进步和观 念的更新为先导。图书馆事业的发展，同样离不开思想的 不断和观念的不断更新。图书馆工作的创新，关键是 要改变服务方式，即建立电子化、网络化的信息服务方式。 高校图书馆应吸收现代最新的资源，进行新资源组织与管 只有大力引进先进的信息化技术加以优化改造，才可 能跨越产业升级的常轨，大大缩短地方工业升级换代的时 间和降低成本，后来居上，发展出先进的工业生产力。由 于信息技术作为当代光电子、激光、自动控制、计算机技 术等世界最先进技术的大集成，具有最为深广的应用性， 从而在优化改造传统产业乃至发展所有其他高新技术产业 方面，具有无可匹敌的重要作用。在此意义上，信息化与 工业化的融合确实具有其带动和促成跨越式发展的特殊意 义。 理的研究，这不仅会扩展其业务范围，而且可用以节约传 统服务的成本及费用，并通过提供新的、再加工的系统化 信息产品，更好地向用户提供多样化、个性化、主动化的 服务。为进一步发展，图书情报部门还可着眼于未来，采 高校图书馆应该抓住这个历史机遇，发挥自身优势， 不断拓宽服务领域，增加服务内容，努力实践人力培养、 用一系列现代化虚拟技术，实现电子化、虚拟化。并且继 续加大文献资源的建设力度，促进文献加工和报道向深层 次高效率发展，开拓多种信息咨询服务领域，通过帮助企 知识创新和社会服务的三大使命，使丰富而强大的信息源 得到有效利用，促进地方信息化与工业化的融合，这点责 无旁贷。 业进行技术开发、新产品研制、技术转让等项目的情报调 研、分析和预测，是高校图书馆在信息时代的一项特色服 务。 参考文献 ３．４建设具有地方特色的工业数据库 构建地方工业信息网络。地方高校和涉工部门是工业 信息的积聚中心，有丰富的信息资源，但由于分布较散， 资料原始，信息没有集中加工处理，没能很好为地方工业 ［１］毕正华．简论中西部地区新型工业化道路的实现路径 ［Ｊ］．江西社会科学，２０Ｏ７，（８）：１４７—１５０． ［２］吴丽红．发挥高校信息资源优势，努力向企业服务方 向延伸［Ｊ］．集团经济研究，２０Ｏ７，（４）：２１７． ［３］白薇．图书馆在“信息化带动工业化”中的角色［Ｊ］． 涪陵师范学院学报，２００４，（５）：１８—１９． 化发展服务，造成信息浪费。构建地方工业信息网［引，① 应成立地方工业信息搜集处理中心，负责整个区域各条渠 道来源的工业信息搜集、加工、处理、分析、发布，中心 ：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：： （上接第２１０页） ４结语 ｜ｌ：青 纵 在第＿『个因素指标值，ｆｏｒ和／ 均为无量纲化处理后的值； ｃｏｉ是第＿『个因素指标在参与匹配检索的指标中所占的权重， 称为第＿『个指标的权重。本文采用层次分析法来确定属性 指标的权重，使属性指标权重更具客观性。 根据式（３）的数学意义，Ｓ／ｍ 越大，说明对旧案例的 评价结果越类似于当前候选商品方案。因此，采用最大的 所对应的旧案例的评价结果，作为当前候选商品的评 价结果。每个候选商品的智能综合评价过程可由相似度计 算Ａｇｅｎｔ自动完成。 ４．５界面Ａｇｅｎｔ 界面Ａｇｅｎｔ在系统中充当人机交互界面的角色，它负 本文提出了一种基于以多Ａｇｅｎｔ技术为基础的推荐系 报 统模型，并将其应用于面向电子采购的推荐过程。在 攒 候选商品综合评价过程中，利用了基于案例推理方法的多 属性决策的评价模型。文章在研究电子商务推荐的自动化、 智能化方面进行了一些有益的尝试，为新一代高效、快捷、 简便的电子商务推荐系统模型研究提供了新的思路。 参考文献 ［１］Ｋｅｉｔｈ Ｄｅｃｋｅｒ，Ｋａｔｉａ Ｓｙｅａｒａ．Ｍｉｄｄｌｅ—Ａｇｅｎｔｓ ｆｏｒ ｔｈｅ Ｉｎｔｅｒ－ ｎｅｔ．Ｗ，ＥＥ Ｅｘｐｅｒｔ，２００１，（４）． ［２］谭学清，曾予明，周洞汝．个性化电子商务购物模型 研究［Ｊ］．微计算机信息，２０Ｏ７，２３（１２）：１４７—１４８． ［３］闵君，邓晓．智能导购ａｇｅｎｔ系统的研究［Ｊ］．控制与 决策，２００３，１８（４）：４９７—４９９． 责客户与Ａｇｅｎｔ系统的信息交互。界面Ａｇｅｎｔ始终处于待命 令状态，随时接收客户的购买请求。当客户通过界面Ａｇｅｎｔ 提供正确的用户名和口令后，智能推荐过程开始：客户传 人的购买信息分发给系统中的其它Ａｇｅｎｔ进行处理，其它 Ａｇｅｎｔ可以不断的把Ｉｎｔｅｍｅｔ网上搜索到的候选商品的评价 结果发回界面Ａｇｅｎｔ；界面Ａｇｅｎｔ以规范化格式显示给客户 ［４］孟妍妮，方宗德．一种基于ＡＲＴ一２神经网络的案例 检索方法［Ｊ］．情报学报，２００６，２５（４）：４２８—４３２． ［５］Ｇｅｒｈａｒｄ Ｗｅｉｓｓ．Ａ Ｍｏｄｅｍ Ａｐｐｒｏａｃｈ ｔｏ Ｄｉｓｔｒｉｂｕｔｅｄ．Ａｒｔｉｉｆｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ：Ｍｕｌｔｉ—ａｇｅｎｔ Ｓｙｓｔｅｒａｓ［／Ｖ１］．Ｂｏｓｔｏｎ：Ｍ１Ｔ Ｐｒｅｓｓ， 】９９９． 查看，客户即可作出选中决定，也可等待进一步的搜索结 果。 一２１３一
