一种基于智能Agent的科技文献快速协作推送机制

针对目前网络科技文献共享平台上汇聚的海量的科技文献,提出了一种新的基于智能Agcnt的科技文献快速协作推送模型,通过引入由智能Agen、技术构建的用户Agent、数据传递Agent、信息评佑Agent、信息分析Agent ,服务器监控Agent和数据挖掘Agent,在客户机和服务器之间建立一种有效的协作关系,联合为每个用户主动提供最符合其需求的科技文献。提出了一种新的文献一读者契合度评估算法,算法综合考虑用户主动提供的订阅信息、用户的阅读历史情况、文献价值客观评价值以及文献发表的先后时间,获取契合度值向量对文献与读者的匹配情况进行客观的评估,从而在准确获得用户真实兴趣和关注领域的情况下及时为用户提供最有价值、最符合用户需求的高质量科技文献信息。分析了目前的网络信息获取和传送方法,然后介绍了基于智能Agcnt的科技文献快速协作推送系统模型,最后详细探讨了文献一读者契合度评佑算法及契合度向量的各个参数的计算方法。     

支持人机协同的智能用户界面体系结构

从分析实现人机协同智能用户界面需解决的问题入手,探讨了多Agent系统解决上述问题的技术途径;提出一种基于多Agent系统的人机协同式智能用户界面体系结构,并重点讨论了如何解决多媒体对象展示关系、Agent之间协同、应用语义反馈、用户智能向导等问题。在该结构中,控制Agent协调可视元素之间的通信,用户Agent负责保存用户兴趣模型和提供推理服务。支持用户界面按构件方式进行组合,具有良好的扩展必和可重用性。模拟实例验证了该体系结构的可行性。     

智能搜索引擎的研究与设计

本文根据现有搜索引擎的不足,提出了一个基于MAS的智能元搜索引擎模型。旨在帮助用户快速、准确地获得想要地Web信息。本系统以多Agent技术为基本框架,利用Agent的自治性和协作性来完成智能搜索,并详细讨论了元搜索引擎的建立、用户兴趣模型的建立和用户兴趣的学习。     

一种基于Agent的数据挖掘结果模式推荐模型

结合数据挖掘模式存储和人工智能Agent技术，提出了基于智能个性化Agent的数据挖掘结果模式的推荐模型，该推荐模型能自动对用户兴趣进行分析，并向用户推荐其感兴趣而又值得关注的挖掘结果模式，有一定的实用价值。     

基于元搜索引擎的专业式智能网络信息检索系统

随着网络信息资源的迅速增加和实时更新，如何及时准确地获取自己所需的有用信息是现代网络信息检索技术需要解决的主要问题。介绍了一种基于元搜索引擎的新型专业式智能网络信息检索系统。该系统建立专业词库和用户知识库，结合人工智能的Agent技术，能够很好地对用户的兴趣进行自适应学习，以实现个性化的信息检索，既保证了查全率，又提高了检索结果的查准率。     

基于内容的智能图像检索系统设计

由于Internet中的图像信息资源是异构的．人们要想从中发现、收集和维护自己需要的信息要花费大量的时间和精力。为了更有效地利用Internet上的图像资源，文章从基于内容的图像检索的现状出发，运用Agent技术，提出了一种基于内容的智能图像检索系统的初步模型，并设计了其中核心部分的基本结构：用户Agent、协调器和信息Agent，从而弥补了现有图像检索系统在自适应用户兴趣和交互式等方面的不足，提高了系统的检索正确率和检索能力。     

基于模糊兴趣集和智能Agent的推荐系统模型研究

提出了一种结合用户模糊兴趣和智能多Agent的电子商务推荐系统模型,利用智能Agent获取用户对产品属性的喜好度和相应权重,依此建立起清晰的用户兴趣模型.在智能多Agent技术下建立一种多属性综合评价机制,采用逼近理想解法(Topsis法)对候选产品进行实时处理,并根据排序结果产生Top-N推荐.     

用多Agent技术实现个性化搜索

文中分析了随着WWW发展出现的信息过量和现有的搜索引擎很难很好考虑用户兴趣的问题，提出了能够协助用户浏览的多Agent系统，这个多Agent系统主要由界面Agent,搜索Agent和学习Agent三个子Agent组成，文中主要介绍了两种界面模式和两种搜索模型，并介绍了学习Agent的学习策略，然后对两种搜索Agent进行了比较。     

基于用户兴趣反馈的智能合作过滤模型的研究

随着网络信息资源的迅速增加,如何及时准确地获取所需信息是现代网络信息过滤技术需要解决的主要问题.为了给用户提供更准确的信息,提出了一种基于用户反馈的智能合作过滤模型(Agent collaborative filtering model based on users'feedback,ACFM)和用户兴趣模型,该模型通过隐式反馈和显式反馈这两种用户兴趣反馈学习实现合作过滤.实验结果表明,ACFM在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的搜索引擎有明显改善.     

基gf Agent的 个性化主动KDD系统

介绍一个用多Agent实现的主动式KDD系统的设计与实现。系统在建模的基础上挖掘知识，结合Agent技术和机器学习的方法，逐步建立出越来越符合用户兴趣的模型，并试图发现尽可能多的用户兴趣点。     

基于Agent的个性化信息检索中相关度反馈的研究

本文分析了信息检索中的相关性反馈技术,对用户兴趣的反馈评价机制进行了研究。采用Agent技术,给出了一个智能Agent的相关度反馈模型;并对此模型中的用户兴趣的反馈评价机制进行了实验,通过改进的ID3算法,学习用户兴趣、更新用户兴趣模型来实现个性化的信息检索。实验证明,这种反馈评价机制是有效的,系统的查全率与查准率都有了明显的提高,能够更好地满足用户的个性化需求。     

高效Internet个性化信息发现的实现

通过将Meta—Search技术与分布式智能Agent技术结合起来，实现了一个3层结构的个性化信息发现系统PIRS。该系统采用多Agent协作技术，Meta—Search技术，相关反馈学习算法，以及结合PageRank的期望度启发爬行算法，实现了高效的个性化．主动式在线信息发现。并且由于3层结构的引入，大大提高了系统的安全性、强壮性、可扩展性。有效地解决了现有系统在自适应用户兴趣及信息源变化，高效并行的信息发现等方面的不足。     

基于用户兴趣的个性化模型研究

大多数搜索引擎没有考虑到用户的个性和兴趣,大大降低了搜索的准确性。采用Web挖掘技术对存放在Web缓存中的历史页面进行挖掘,获取用户的兴趣信息,使用最优二叉树的形式来表示用户兴趣,利用获取的用户兴趣信息来构建个性化模型,并且利用智能Agent跟踪用户的兴趣变化,不断地对用户兴趣个性化模型进行更新。     

基于多Agent协作的智能元搜索引擎ACISE系统的研究

随着网络信息资源的迅速增加,提出一种基于多Agent协作的智能搜索引擎ACISE系统,将元搜索引擎技术和Agent技术结合到一起.该系统综合考虑了用户个性化的特点,通过Agent之间的通信与协作完成信息检索,实现了基于用户兴趣的智能化,同时提高了查全率、查准率和检索速度.     

移动Agent在服务网格下的路由算法研究

以移动Agent作为任务载体，代表用户应用程序在复杂多变的服务网格环境下智能地访问各种网格服务。该文引入了“最大效益旅行商问题”来描述移动Agent的行为方式，给出了移动Agent的路由算法，使得移动Agent在最大化用户效益的同时兼顾不同用户的服务质量需求。     

基于内容的智能图像检索系统设计

由于Internet中的图像信息资源是异构的,人们要想从中发现、收集和维护自己需要的信息要花费大量的时间和精力.为了更有效地利用Internet上的图像资源,文章从基于内容的图像检索的现状出发,运用Agent技术,提出了一种基于内容的智能图像检索系统的初步模型,并设计了其中核心部分的基本结构:用户Agent、协调器和信息Agent,从而弥补了现有图像检索系统在自适应用户兴趣和交互式等方面的不足,提高了系统的检索正确率和检索能力.     

面向用户的智能搜索引擎模型UOISE的研究

分析了传统搜索引擎所存在的问题,提出了一种面向用户的智能搜索引擎模型(User-Oriented Intelligence Search Engine,UOISE)和动态Q学习算法,UOISE模型由若干个Agent和知识库组成,针对用户个人信息以及用户的上网行为,分析用户的兴趣所在,从而推断出用户的意图,能有效地为用户提供真正需要的、即时的信息,为用户提供多层次个性化的信息服务。动态Q学习算法实现了Agent跟踪用户行为、推断用户兴趣的过程。对比实验表明,UOISE比普通检索工具具有更高的查全率和查准率。     

基于Agent的个性化主动KDD系统

介绍一个用多Agent实现的主动式KDD系统的设计与实现。系统在建模的基础上挖掘知识,结合Agent技术和机器学习的方法,逐步建立出越来越符合用户兴趣的模型,并试图发现尽可能多的用户兴趣点。     

智能人机界面Agent的用户模型及其构建方法

智能Agent是计算机领域中自适应人机界面需要研究的关键问题之一。文章论述了智能Agent的定义、功能和组成。给出了用户模型的结构框图,探讨了用户模型及其构建方法,并通过实例介绍了几个典型的智能Agent系统。     

智能Agent在比较购物中的应用

用智能Agent实现比较购物要解决海量信息搜索、根据用户偏好进行个性化筛选、用户偏好学习等问题。通过事先把主要电子商务网站的内容下载保存到本地数据库来实现快速搜索，通过关键向量信息过滤法可以实现筛选，通过样本学习和反馈学习可以获取用户偏好。以此实现用智能Agent来替用户比较、搜索合适的商品，从而大大提高在线购物的范围和效率，实现个性化的导购。