利用Agent个性化搜索结果

由于传统搜索引擎机制不能很好地考虑到用户的兴趣,我们为此研制了一个个性经搜索代理系统PSA．PSA在客户端利用个人兴趣代理为每个用户维护一个个人兴趣剖象,为局域网用户维护一个共同兴趣剖象。利用这些兴趣剖象可以根据用户的兴趣对搜索结果进行过滤,从而使得搜索结果具有个性化。     

基于Agent的面向用户的智能信息搜索系统的设计

本文根据用户的浏览活动,建立了反映用户特色的导图库,并根据导图库生成了面向用户需求的初始Agent群,基于Agent技术设计了一个智能信息搜索系统,本系统为快速、高效地获取面向用户的网络信息提供了一种有效的方法。     

RSS带来“个性化搜索”

RSS技术给搜索引擎服务带来了个性化的可能,更把公众网络服务带给了搜索     

Web智能搜索多Agent系统结构及相关技术

提出了一种多Agent系统结构，由用户界面Agent、过滤查找Agent、反馈更新Agent、操作Agent、搜索Agent、搜索Agent和中心索引库6个部分组成。该多Agent结构适用于Internet上的智能搜索系统，能够完成信息主动搜索、中心索引、信息过滤查找以及用户反馈更新等功能。详细描述了多Agent系统的分工以及相关实现技术的研究。     

基于多Agent的搜索引擎模型

分析了WWW信息检索中所存在的问题，并由此提出了一种基于多Agent的搜索引擎检索的模型，并具体描述了该模型的体系结构以及其检索机制，最后又介绍了此模型如何采用机器学习方法自学习和自演化。     

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的个性化信息服务技术的研究

随着网络资源的不断丰富和网络信息量的不断膨胀，现有搜索引擎技术已难以满足人们查找信息的需求。如何为用户提供更为满意的、符合其个性化的信息服务，已成为一个重要的研究课题。本文针对这一情况，提出了基于Agent的个性化信息服务技术，并对其基本原理进行了阐述，构建了一个多Agent的模型系统。最后，对当前存在的问题进行了总结。     

基于移动Agent的个性化信息服务系统的设计与实现

本文从现有信息服务系统的不足出发,提出了一种基于移动Agent技术的全新信息服务模式,较好地满足了用户个性化方面的需求。文中详细阐述了系统的体系结构和设计思想,并对实验结果进行了分析。     

基于多Agent的搜索引擎设计与实现

搜索引擎的出现改变了人们获取信息的方式,利用搜索引擎可以快速地找到需要的信息,为我们在Intemet上获取信息提供了一种有效的手段。但随着Intemet的发展和网上信息量的激增,人们在使用中却发现要准确、快速地查找自己所需的信息是越来越困难。文章依据搜索引擎、Agent技术,提出了基于多Agent技术的智能搜索引擎概念,能够有效地提高搜索引擎的搜索质量和用户服务,为解决当前搜索引擎存在的一些问题提供了一种新的有效的方法     

多Agent的个性化学习路径推荐系统设计

该文章介绍了一个多agent的个性化学习路径推荐系统,该系统通过前测来掌握学习者的知识水平,再采用遗传算法来生成最佳学习路径,推荐给学习者。该系统考虑了学习者的水平和推荐课件难度水平的匹配,以及课件之间的相关性以保证学习概念的连续性。对比传统的自由浏览学习模式,这个系统有效地提高了学习者的学习效率。     

基于多智能体协同的多源信息搜索方法

针对实时、多源、海量数据条件下用户所需信息的获取问题,提出一种面向对象的、基于多智能体协同的多源信息搜索模型,以对象为中心,在反馈循环搜索的过程中,完善对象描述模型并实现多源数据中关联对象信息的获取,提高多源信息获取的全面性和准确性。设计基于Q学习的协同控制算法,针对马尔科夫对象与非马尔科夫对象给出相应的决策方法。实验结果表明,该协同控制算法比概率转移矩阵及概率统计算法具有更好的信息获取能力。     

利用多Agent技术构造分布式应用系统模型

Agent技术在计算机软件工程领域地位越来越重要,特别是在复杂的、分布的、动态的、大规模的软件系统中.文章论述了利用多Agent技术开发分布式应用系统的一种通用模型,可以大大简化分布式系统的开发与维护工作.     

面向多Agent的引擎技术的研究

长久以来,人类的发展离不开知识的获取与发现。进入互联网时代后,随着Web信息量的急剧增加,人们需要一种技术手段,能够使信息的获取更加简单、准确,搜索引擎就提供了这样一个导航工具。然而随着Internet的发展和信息搜索技术的不断完善,传统的搜索引擎已很难满足用户个性化的需求。因此在传统搜索引擎和Agent技术的基础上,笔者提出了一种用于Web信息搜索的基于多Agent的搜索引擎概念,它允许用户在特定领域进行搜索,能够有效的地提高搜索引擎的搜索质量。     

一个基于MAS的搜索引擎模型

在巨大的Internet/Web信息中很难积极地搜索到准确的信息,搜索引擎技术解决了用户检索Web信息困难的问题,而现有的搜索引擎返回的信息却并不总令用户满意。文中在对MAS理论调研的基础上,提出一个基于MAS的搜索引擎的模型,并将其与著名的Google搜索引擎作比较和分析。     

基于混沌局部搜索的粒子群算法及其应用

为提高混沌优化搜索结果的精度,在以粒子群算法进行全局搜索的基础上,根据全局搜索结果利用混沌优化进行局部搜索,实现在全局范围上搜索最优值.分析局部混沌搜索方法,设计基于混沌局部搜索的粒子群算法的流程,利用混沌优化进行粒子群局部搜索以跳出局部最优搜索区域,避免陷入局部极小值和实现在全局范围上搜索目标函数的最优值.以RMSE...     

基于用户兴趣的个性化搜索引擎的设计

建立了个性化条件下的用户兴趣模型。该模型借助于对用户自身信息和其他用户访问信息的挖掘,得到用户兴趣向量,并以此对检索结果进行过滤,从而使用户得到的检索结果能够满足用户个人爱好。最后,本文应用该模型设计了一个个性化搜索引擎系统。     

基于强化学习的多Agent系统

1 引言强化学习允许自主Agent能够在没有关于任务和环境的先验知识的条件下通过不断地反射学习提高自己完成任务的能力,但是强化学习需要大量的计算,也就意味着大量的时间的消耗。对于许多实时系统的计算能力是一个大的挑战。进一步,如果是在多个Agent组成的Agent社会中,每个Agent的行动都有可能导致环境状态的改变,使得普通的相对单个     

用多Agent实现基于XML的个性化学习系统

本文采用了三层多Agent体系来构建个性化学习系统.描述了基于XML的个性化学习系统的基本结构及功能原理,重点分析了利用最大优化算法实现最佳学习程序的过程,并讨论了用于系统开发的XML及Agent技术.该系统综合考虑用户使用的学习设备、所学科目和对知识点掌握程度各不相同的情况,产生个性化的学习程序,得到了很好的学习效果,是对网络教学中用户按需学习进行的有益尝试.     

基于用户行为分析的本地搜索排序算法优化

随着本地搜索的发展,通用排序算法得出的排序结果已不能完全满足用户的需要,根据本地搜索的特点,可以更好地利用用户的搜索特征。文中提出通过对用户的行为分析,提取用户行为特征值,再运用排序学习的SVM（支持向量机）方法将分析得到的用户行为特征值融入本地搜索算法当中,以此实现对排序算法的优化。融人了用户行为特征后,本地搜索的排序结果平均准确率和前十名文档的相关性都有了一定的提高。实验结果显示,用户行为特征使得排序结果可以更容易、准确地反映用户的兴趣,提升了用户的搜索体验。