基于贝叶斯网络的多Agent服务推荐机制研究

普适计算环境中的服务推荐需要满足系统异构性和移动性的要求。提出了一种基于贝叶斯网络的多Agent服务推荐机制并进行实现,将贝叶斯网络和聚类方法应用于服务推荐中,并设计了推荐模型自学习机制,充分考虑了上下文对服务推荐的影响及改进。实现系统由完成历史上下文汇集、知识训练、决策推荐和自学习功能的多个Agent构成,通过Agent之间的通信内容设计,在Agent之间建立流程控制和数据共享通道。     

一个个性化的信息搜集Agent的设计与实现

介绍了一个个性化的信息搜集Agent系统--DOLTRI-Agent(distanceandopenlearningtrainingresourceinformationagent)的设计与实现.DOLTRI-Agent系统是一个远程开放式学习(distanceandopenlearning,简称DOL)的教材信息搜集Agent.它基于多Agent体系结构,包含3个子Agent和其他3个组件.该系统具有主动搜集、维护、更新信息的功能,同时还具有个性化的特点,可不断学习用户知识,包括用户感兴趣的信息领域、用户的使用习惯等,并能运用这些知识来为用户提供个性化的信息服务和操作界面.     

基于Agent的一种远程教育模型搜索算法

考虑到远程教学系统实际需求,文中介绍了一个基于Agent思想的远程教育系统模型,将各种教学资源有机地结合起来,为学生创建个性化智能化的教育学习环境。在多Agent通信语言KQML的基础上,设计了Agent的能力编码,通过对搜索教师Agent算法的时间复杂度分析,说明该模型中搜索教师Agent的算法是可行的和有实际借鉴意义的。     

基于多Agent的网络学习智能推荐模型

针对网络学习者面临海量信息选择的困扰,提出了一个基于多Agent的网络学习智能推荐模型.运用界面Agent采实现与学习者的交互,利用基于知识推荐的Agent提供与学习者兴趣相关的推荐,以及基于相似学习者推荐的Agent向特定学习者推荐新的知识,并对模型中推荐的相似度算法进行了阐述.通过多Agent技术的运用,较好的解决了网络学习推荐的智能化,个性化以及灵活性的问题,使网络学习者能在一种交互式的学习环境中得到更人性化的学习推荐服务.     

基于Agent的一种远程教育模型搜索算法

考虑到远程教学系统实际需求,文中介绍了一个基于Agent思想的远程教育系统模型,将各种教学资源有机地结合起来,为学生创建个性化智能化的教育学习环境.在多Agent通信语言KQML的基础上,设计了Agent的能力编码,通过对搜索教师Agent算法的时间复杂度分析,说明该模型中搜索教师Agent的算法是可行的和有实际借鉴意义的.     

一个基于Agent的个性化推荐系统

目前的推荐系统有基于文本过滤、基于协同过滤、基于Web挖掘等多种类型,但都只适用于某个应用领域,难以满足推荐应用的多种推荐需求。引入网络智能的思想,利用多Agent（智能代理）技术提出了一个基于Agent的个性化推荐系统架构——ABPRS。该推荐系统能满足多种推荐需求,在用户看来网络具有一定智能。     

基于MAS的个性化推荐系统架构研究

针对现有推荐系统的不足,提出了一个基于MAS(多Agent协作系统)的个性化推荐系统开发模型,并给出了该模型的工作原理,论述了该模型所采用的关键技术。     

基于Agent的信息推送系统的研究

针对用户个性化信息服务的需求,本文通过分析搜索引擎与Agent技术的原理,提出了一个基于多Agent的个性化信息推送系统的模型.该模型可分为三层,每一层都由Agent来完成相应的功能:用户接口、信息过滤、兴趣学习及信息检索.其中监测Agent是在本系统中实现个性化信息服务的关键.     

基于智能体的电子商务协作推荐系统

传统的协作筛方法存在的主要问题是需要人为地提供评价，该文对其进行了改进，根据用户事务模式自动获取用户评价，构建评价矩阵。针对现有个性化信息推荐系统存在的问题，将Agent应用到电子商务个性化信息推荐，引入设计的协作筛方法，设计了基于Agent的电子商务协作推荐系统(ECCRS)。ECCRS是基于服务器端的电子商务协作推荐系统，它考虑了用户访问页面的时间特性，不需要用户注册，在推荐时考虑了页面的新颖性，同时实现了离线处理、增量更新与在线推荐的结合。实验结果表明，ECCRS采用的推荐方法是有效的。     

基于多Agent的众包任务推荐系统建模与仿真

为了让众包平台用户更方便准确地搜寻到合适任务,促进其能力水平提升,解决众包任务推荐动态性等问题,提出了一种基于多Agent的众包任务推荐系统。首先,基于众包平台建立多Agent任务推荐模型,提出了模型设计思路与模型框架,并进一步阐述了各Agent功能、相互作用关系与相关算法;其次,提出众包用户能力水平提升相关算法;最后,利用NetLogo仿真软件进行验证。结果表明,众包任务推荐系统可对用户能力水平的提升起到促进作用,证明了在众包平台引入推荐系统的必要性。并且分析了多Agent技术可提升推荐系统的动态性、智能性与灵活性等整体性能,促进了众包平台数据的管理与维护。     

在线教育平台中个性化学习资源推荐系统设计

为了通过充分挖掘和分析用户的学习行为规律及认知特点,借助互联网和人工智能技术提升个性化教育的深度和广度,设计了一个包含用户画像的个性化学习资源推荐系统。该系统由数据层、数据分析层和推荐计算层构成。数据层由用户数据以及包含知识资料、学习资料和标签集的资源库组成;数据分析层融合了以基础信息、学习行为等为代表的静态数据和动态数据,据此为用户生成个性化画像、提供直观形象的学习反馈;推荐计算层则通过相似性分析和聚类算法发现用户的学习行为规律,使用TF-IDF方法挖掘用户的资源偏好,并据此给出个性化的学习建议。该系统已应用于一个以人工智能类课程为主的在线教育平台,为师生提供个性化画像、学习反馈与资料推荐的服务,当前处于第二个学期的试用阶段。     

深度融合辅助信息的跨域推荐算法

协同过滤已成功用于为用户提供个性化的产品和服务,然而它面临数据稀疏和冷启动的问题。一种解决方案是结合辅助信息,另一种是从相关领域学习知识。综合考虑了这两个方面,提出一种深度融合辅助信息的跨域推荐算法CICDR,它集成了集体矩阵分解和深度迁移学习。该算法通过Semi-SDAE和矩阵分解（MF）在源域和目标域中进行建模,学习评分信息和辅助信息中的有效特征向量,并利用用户的隐式反馈信息来做出更准确的推荐。通过这种方式,在两个领域中学习到的用户和项目潜在因素为推荐保留了更多的语义信息。通过非完备正交非负矩阵三分解（IONMTF）产生桥接两个相关领域的公共潜在因素,以缓解目标域中的冷启动和数据稀疏问题。在三个真实数据集上与四种经典算法进行对比,验证了提出算法的有效性,进一步提高了推荐精度和用户满意度。     

基于隐私保护的个性化推荐系统

针对传统个性化推荐系统存在的隐私容易泄露的缺点,提出一个基于代理的智能推荐系统,在向用户提供准确方便的内容推荐服务的同时保护用户隐私。在该系统中,所有用户私有信息的操作都在客户端执行,使用户隐私得到完善的保护。以嵌于RSS阅读器中的个性化广告系统为例,表明该方法能准确地推荐用户感兴趣的内容并且保护用户隐私。     

基于Agent的智能化学习平台的研究

在传统的基于Web的远程教学系统中,系统按照事先设定的教学策略将课件存储在服务器上,等待学习者点击浏览或下载,学生只能被动地受教而不能根据自身特点选择学习策略,调度、控制学习进度,而在此单一模式下,教师的指导者地位也无法得到充分体现,师生间、学习者间的交互性和协作性差.提出了一种支持四层结构的智能化学习平台的解决方案.重点讨论了智能化学习系统中支持个性化学习的多Agent技术,包括:移动Agent、多Agent特性,个性化学习Agent的功能结构、Agent实现的技术、策略与层次等热点问题.     

推荐系统综述

随着网络应用的不断发展,网络资源呈指数型增长,信息过载现象日益严重,如何高效获取符合需求的资源成为困扰人们的问题之一。推荐系统能对海量信息进行有效过滤,为用户推荐符合其需求的资源。对推荐系统的研究现状进行详细介绍,包括基于内容的推荐、协同过滤推荐和混合推荐这三种传统推荐方式,并重点分析了基于卷积神经网络（CNN）、深度神经网络（DNN）、循环神经网络（RNN）和图神经网络（GNN）这四种常见的深度学习推荐模型的研究进展;归纳整理了推荐领域常用的数据集,同时分析对比了传统推荐算法和基于深度学习的推荐算法的差异。最后,总结了实际应用中具有代表性的推荐模型,讨论了推荐系统面临的挑战和未来的研究方向。     

基于建构主义的CSCW个性化的网络学习模型

随着以计算机技术和网络技术为核心的现代信息技术的飞速发展，人们越来越多地把学习过程放到网络上来，而不再局限于传统的教室学习，因此网络学习得到了迅速推广。然而，受传统教育理论、教学思维的限制，目前网络教学研究中所提出的各种设计思想和策略往往忽视用户特殊行为这一重要信息，没有给出针对其个性的信息反馈，使得现有的大部分网络学习系统缺乏个性，降低了用户的学习兴趣。本文在分析网络学习模式的基础上结合Agent技术提出一种建立在建构主义学习理论之上的CSCW个性化的网络学习模型。     

社交网络数据个性化推荐的可视化方法

针对大规模社交网络应用中检索结果过于庞大复杂的问题,将个性化推荐与可视化相结合,用于在大量数据中找到用户感兴趣的信息。在开拓网络缩放算法的基础上,提出关键信息显示算法,能够区别显示社交网络关系图中用户相对重要的信息和次要信息,增强关联度较高数据的显示效果。将带权值的力导向布局算法应用于用户关系聚类中,通过在二维显示空间中合理安排节点布局,达到减少用户认知负担和个性化推荐的目的。设计并实现个性化推荐的可视化工具HRVis,在Movielens数据集上进行测试,结果表明,HRVis能够强调显示具有良好社会关系的重要用户以及与用户相似的关联用户,获得较好的可视推荐效果。     

基于智能Agent的个性化生物信息检索系统的设计

设计了一个基于智能Agent的面向生物信息领域的信息检索服务系统,介绍了该系统的体系结构和各组成部分的设计思想,重点讨论了如何应用遗传算法对用户感兴趣的信息进行学习并推荐给用户.     

基于电子商务的个性化推荐系统研究

在电子商务环境中,实现个性化服务,理解用户兴趣就成了提供个性化服务的关键任务。因此,建立用户兴趣模型和构建推荐库就成为个性化推荐系统的实现基础。论文通过网络爬虫获取到相关的网页,进行预处理后,采用SVM（支持向量机）分类文档建立推荐库。通过对用户访问路径、搜索关键字等分析,获取用户兴趣,采用向量空间模型表示用户兴趣,利用机器学习构建用户兴趣模型。在推荐库和用户兴趣模型的基础上,加入推荐引擎,实现了基于电子商务的个性化推荐系统。