基于多Agent的智能电子商务系统研究

高效率和低成本是电子商务追求的目标,然而,基于Web/Browser模式的电子商务却使电子商务陷入效率的困境.智能化分布式计算模型和工作流技术的出现给电子商务带来了新的发展契机,智能电子商务成为人们研究的热点.介绍了应用于智能电子商务的移动Agent技术和工作流技术,提出了Agent的HAS理论模型,给出了智能电子商务的商务流程概念模型,设计了它的工作模型和系统结构,为实现智能电子商务作了一些理论探讨.     

基于案例推理的技术研究

从基于案例的推理技术理论出发，在Navinchandra，Bardasz，ZeidI等学者提出设计案例表示方法的基础上，给出一种在CBR系统中采用面向对象的方法进行案例表示的方法，同时，对CBR系统的关键技术案例的表示和案例的组织与检索也做了比较详尽的介绍和讨论。     

基于案例推理的技术研究

从基于案例的推理技术理论出发,在Navinchandra,Bardasz,ZeidI等学者提出设计案例表示方法的基础上,给出一种在CBR系统中采用面向对象的方法进行案例表示的方法,同时,对CBR系统的关键技术案例的表示和案例的组织与检索也做了比较详尽的介绍和讨论.     

基于案例推理的技术研究

从基于案例的推理技术理论出发,在 Navinchandra,Bardasz,ZeidI 等学者提出设计案例表示方法的基础上,给出一种在 CBR 系统中采用面向对象的方法进行案例表示的方法,同时,对 CBR 系统的关键技术案例的表示和案例的组织与检索也做了比较详尽的介绍和讨论。     

基于多Agent的设备动态智能预测决策研究

通过对网络模式下设备管理特点的分析,阐明了Agent的基本特征和多Agent系统的体系结构。结合多Agent系统技术理论,提出一个基于Internet的多Agenti设备动态智能预测决策支持系统的实现模式与方法。     

基于案例推理的PID控制器智能整定方法

针对工程实践中广泛使用的PID控制器参数整定难的问题,提出一种用案例推理技术对PID控制器参数进行智能整定的方法,通过对整定经验案例库进行检索,然后对检索出的结果进行案例重用,从而实现根据系统的性能指标自动完成PID控制器的参数调整,不需要辨识对象的数学模型,且具有自学习功能.仿真结果表明该方法优于传统的整定方法,具有一定的鲁棒性和智能性.     

一种基于多Agent系统的智能家庭网络研究

在分析家庭网络智能化需求的基础上,提出一种基于多Agent系统的智能家庭网络MAIHN模型,用Agent实现不同功能单元的控制与管理,通过MAS技术的思想、方法和体系建立智能家庭网络整体结构。给出了MAIHN模型的各个组成部分,对模型中各种Agent的功能设计与实现模型进行了分析,研究了MAIHN模型中的多Agent协作与通信策略,并设计了系统的实验原型。     

基于BP网的案例推理在智能方案设计支持系统中的实现

讨论了基于案例推理的智能方案设计支持系统的原理。其主要工作原理是寻找到过去的相似案例,然后利用知识库中的知识对案例进行修正,从而形成设计方案。具体研究了方案库和指标库的建立,并采用关系数据库格式进行存储,从而提高了其可维护性,安全性和共享性。提出基于３层ＢＰ网的相似度计算方法,从而可以准确地检索到相近案例,对产品方案设计过程提供有效的支持。     

基于多Agent的网络智能答疑系统的研究

分析了网络答疑系统的现状,阐述了Agent系统和多Agent系统的特征,并提出了如何在网络答疑系统中引入Agent技术.基于现代教育教学思想和Agent技术应用于答疑系统的优势,提出了多Agent的网络智能答疑系统模型.该模型通过多Agent之间相互合作使得网络答疑系统更加科学化、人性化.     

基于用户喜好的个性推荐系统优化

采用协同过滤方式的传统推荐系统具有一定实用性,但也存在未考虑用户个性喜好的问题。为提高推荐精度,特别针对用户个性化特点和需求,提出了采用改进相似度计算和回归分析方法对协同过滤推荐进行系统优化。实验结果表明,优化算法可明显改善系统的推荐效果,并加强基于协同过滤推荐的有效性。     

基于用户兴趣图谱的个性化推荐系统设计

借鉴Web2．0、社交网络、复杂网络、本体论和云计算等理论,设计了基于用户兴趣图谱的个性化推荐系统结构,阐明了基于用户兴趣图谱的推荐原理,提出了用户兴趣图谱生成与集成方法,以及用户兴趣图谱的动态演化与反馈机制,提高了推荐系统的推荐质量和精度。     

一种基于上下文信息的个性化推荐模型

个性化推荐为解决互联网信息过载问题提供了新的思路。为有效地构建用户模型和改进个性化推荐的效果,提出了一种挖掘非结构化文本中上下文信息的新模型,将得到的上下文信息嵌入用户模型信息中,丰富了用户模型。实验结果表明,该模型应用于客户对旅馆评论的上下文数据中,能够大大改善推荐的性能。     

注意-情绪协调的个性化信息推荐模型

在分析注意、情绪及两者关系的基础上，提出了注意-情绪协调模型，并以情绪唤醒选择性注意. 在北京旅游信息推送服务中，综合考察用户的注意、情绪和信息的语义特征，提出了注意-情绪协调的个性化信息推荐模型. 通过在推荐模型中加入情感风格，整合信息资源，使信息呈现方式适应用户的注意选择性特征，为个性化信息服务和新型人机交互提出了一种新思路。     

网络资源中基于K-Means聚类的个性化推荐

为了实现在网络资源中为网络用户提供针对兴趣爱好的推荐项目,提出了一种基于K-means聚类的应用于动态多维社会网络的个性化推荐算法.首先根据用户评分数据对用户进行建模,并根据评分数据集构建多维用户网络,再加入局域世界演化理论形成动态多维网络;然后根据改进的K-means算法对用户聚类;最后根据最近邻居得到目标用户的预测评分作出推荐,从而形成一种应用于动态多维社会网络中的个性化推荐算法.实验表明,相比协同过滤个性化推荐系统,新推荐策略的预测值和真实值之间的误差较小,个性化推荐水平得到了一定程度的提高.     

基于市场匹配的多Agent智能爬虫系统

在网络文字、图像视频、音频数量日益增长的网络世界中,网络爬虫爬取结果变得越来越差,主要表现在爬取网页的精确率低、召回率低和重复率高等方面。为解决这些问题,结合市场匹配基本原理和网络爬虫的特点,提出一种基于市场匹配算法的多Agent智能爬虫系统。基于市场匹配算法,设计了多Agent智能爬虫系统,以雅虎一级目录12个主题为测试数据对网络爬虫爬取网页的精确率、召回率和重复率进行了分析。结果表明,与未使用市场匹配算法的系统相比较,基于市场匹配算法的多Agent智能爬虫系统的精确率提高了9%、召回率提高了8%、重复率降低了5%,其爬虫性能有较大改善。     

基于用户兴趣的个性化推荐算法研究

针对协同过滤算法存在用户兴趣不易捕捉的问题,提出了一种基于用户兴趣偏移和项目自身属性特征的个性化推荐算法。利用滑动时间窗内项目属性和用户评分建立出用户兴趣偏爱因子,通过推荐项目自身属性特征给出用户对项目的偏爱度;最后结合项目偏爱度和协同过滤算法中预测评分产生推荐。实验结果表明,该算法准确反映出用户兴趣的偏移和项目自身属性特征,在推荐质量上也得到提高。     

Building Intelligent DSS Based on Multi-Agent Cooperation

A general multi-agent architecture is proposed for intelligent decision support system(MAIDSS). Theagent in MAIDSS is built based on an extension of BDI framework. Several agents form a team working togetheron a decision problem; several agent teams are defined to stand for the benefits of different people in the real