基于用户行为的多Agent电子市场个性化推荐系统
李小杰
（浙江工商职业技术学院，浙江宁波315012）
【摘要】为了进一步提高电子市场推荐系统的精准性，引入多Agent技术，利用自下而上的推荐方法，结合动态情境进行用户数据分析，整合用户行为特性，构建以商品为推荐对象的符合用户兴趣爱好个性化推荐系统。通过实验，表明多Agent技术在一定的程度上提高用户兴趣及购买率。
教育期刊网 http://www.jyqkw.com
关键词 多Agent；电子市场；个性化推荐系统；用户行为
随着互联网的普及应用，线上购物优点的突显，其已逐渐成为一种普遍的购物方式，各电商网站为了吸引更多的用户，通常致力于各种推荐策略促销手段的应用，如何根据用户行为，挖掘用户特点实施潜在的、有效的个性化推荐成为了电子市场的热点研究问题。本文引入多Agent技术，利用其自下而上的建模方法，结合动态情境进行用户进行数据分析，通过模型显现分析和预测用户行为特性，构建以商品为推荐对象的个性化推荐系统，为用户推荐符合兴趣爱好的商品。
1多Agent技术
1.1Agent技术概念及特征
Agent技术源于人工智能领域，指具有目标驱动能力、自制能力及智能，能够通过各种学习、推理等方法感知和适应复杂的动态环境，并能够主动最亲目标的能动实体[1]。具有一定程度的拟人性，中文可译为智能体，具有一定“拟人”属性，能够代替或协助人完成一定的工作，因而采用Agent技术构建个性化电子市场推荐系统具有一定的可行性和先进性。
Agent具有如下特征[2]：
智能性：具有推理能力，能有针对性地分析解决问题，提供准确信息，进行复杂任务的分解、分析、预测用户意图。
社会性：通过通信语言与Multi-Agent进行交互，协调任务、消解矛盾，通过与其他Agent协同工作执行和完成独自无法解决的复杂工作。
反应性：自主感知外部环境，并作出及时的反应。
自适应性：根据计算环境，针对不同系统终端，自动采取行为，进行自主学习，自动识记用户信息，进行自主决策，将用户兴趣、爱好、习惯等情境信息进行主动存储，建立用户日志，提供主动服务。
能动性：无需外界操作控制自主运行控制自身行为及内部状态。
1.2多Agent系统
Agent的社会性特征，采用多Agent进行系统架构，通过对单个Agent系统的优化组合，多Agent系统能够实现系统目标、资源的合理统筹，能够最大限度的实现不同的目标[3]。同时，由于单个Agent系统具有一定的独特性，自治性，将多个Agent进行协同工作时，能够构成多个节点，在独立工作的同时又形成求解网络，较大程度的提高了系统的工作效率，因此，多Agent信息推荐系统对于个性化信息推荐具有极大的优势。
2基于用户行为的multi-Agent电子市场个性化推荐系统的整体架构
本文提出了基于用户行为的multi-Agent电子市场个性化推荐系统（multi-AgentE-Commercepersonalizedrecommendationsystembasedonuserbehavior,MACPRSUB）。电子市场交易活动，受当前情境影响，如消费者用户个性特征（年龄，收入，偏好等）、网络状态、购买经历、市场服务等内外部情境。MACPRSUB的主要功能为，通过分析用户行为，购买经历，建立用户日志，分析用户兴趣，行为偏好，建立用户模型，进而进行商品服务推荐，刺激和帮助用户做出购买决策实施购买行为。由于用户在购买决策的过程中会处于动态情境中，发生不断的变化，因此本文基于Agent的特征构建了如下图所示的多Agent共同协作的动态MACPRSUB推荐系统，结构如图1所示。
每位进入电子市场的线上购物用户都会获得一个用户Agent,监听用户行为，反馈给相关联的终端Agent，由终端Agent建立用户日志，进行基于行为的用户偏好建模，进行用户细分。辅助Agent在推荐系统中与用户及电子市场MACPRSUB推荐系统数据库相互关联，互相提供信息，用户通过辅助Agent获得市场信息进行搜索等操作，电子市场通过辅助Agent获得用户信息，决定和改善推荐策略。
下面对MACPRSUB推荐系统中的各Agent的功能进行具体的描述。
2.1用户Agent
用户Agent主要有两个任务，一个是通过终端Agent获取商品信息，终端Agent提供搜索功能；例外一个是向终端Agent传递用户信息，便于终端Agent分析和建立用户日志，进行偏好建模，进而决定和改善推荐策略。
用户Agent由连接参数（ConnectionParameters,CPS）和用户配置文件组成(UserConfigurationFile,UFC)组成。链接参数里面主要由用户终端Agent数量构成，每个用户根据其访问记录配置N不同的终端;用户电子市场会话行为数据记录在用户配置文件中,主要根据用户访问的不同终端及节点，以及访问的商品内容，记录和分析用户的情景偏好兴趣度（SIW）。
2.2终端Agent
终端Agent用于链接用户Agent和辅助Agent，进而与MACPRSUB推荐系统建立关联。终端Agent通过辅助Agent向用户Agent传递电子市场的商品信息，通过与用户Agent的关联建立用户日志，分析用户偏好，建立用户模型，进而进行用户细分，同时可以对用户进行智能跟踪计算，通过辅助Agent，向推荐系统提出改善和决策建议。
终端Agent由用户配置文件和终端配置文件组成。当用户在某一终端进行电子市场会话时，对商品C进行相关操作时，其历史用户文件会自动进行匹配及更新操作，由此建立和更新用户配置文件。用户在进行的与商品C相关的电子市场行为耗时t越长，表明其对商品C的兴趣度IW越高。
2.3电子市场数据库和辅助Agent
电子市场数据库包含所有在线商品及商铺列表，与辅助Agent共同生成商品（商铺）列表，辅助Agent主要包含商品商铺列表、全局配置文件集，配置文件接收映射器。当用户u在终端t进行电子市场商务会话时，与之相关联的终端(tagent)会将终端配置文件传输给市场Agent，根据用户细分，将分配一个辅助Agent与之相关联。在基于内容的推荐过程中，辅助Agent与电子市场数据库相结合创建一个符合当前用户u的商品商铺列表CSL，并记录在用户配置文件UFC中，同时传送给辅助Agent，进而根据用户偏好系数IW将商品商铺列表进行降序排列。在协同过滤推荐过程中，为了与使用相同终端t的用户相比较，辅助Agent会将用户u的商品列表与用户m的商品列表相比较生成新的商品列表CSLi，并将其归属于与用户u具有最小差异性的n个用户的访问列表。
3实验与结果
本系统检测以Repast[4]的多Agent系统为仿真平台，采用JAVA编程语言，在实验过程中设置生成100个用户，并邀请了不同结构层次的用户参与了该推荐系统的电子市场对话行为，进行了数据记录，建立用户元组（Ca,Cb,t,r）,用户电子市场会话轨迹从商品Ca到商品Cb，在各个页面的停留时间t，及对商品的评分r，并创建用户的初始配置文件UCF。每个用户根据分配的元组生成一个商品推荐列表L(n),并验证Ca是否在列表中，结果保存为值k。
上表展示了不同结构层次下三种情况下S1、S2、S3的实验结果，从表中可以清楚的了解到MACPRSUB具有较为优秀的推荐性能，能够最大程度的促成用户的电子市场购买行为。
多Agent电子市场MACPRSUB推荐系统，根据用户的不同情境，如使用的不同终端设备接入电子市场，系统会根据用户历史配置文件进行自适应推荐，并同时进行更新，并根据用户的历史日志自计算预测用户的当前及外来会话走向，发送推荐预约。但是本系统还可以进行更为深入的优化，如根据情境定义用户聚类问题，稀疏数据的准确推荐问题，用户配置文件的自更新计算问题。
教育期刊网 http://www.jyqkw.com
参考文献
［1］危世民,戴牡红.多Agent协同的电子商务推荐系统模型[J].计算机应用,2014,34(4):1118-1121.
［2］闫燕,王锁柱.基于多Agent的电子商务个性化推荐系统模型研究[J].情报杂志,2007,5:59-61.
［3］屈正庚.网络交易中多Agent协商策略的研究[J].计算机技术与发展,2014,2:112-113
［4］沈建强,王立春,陈世福.一个基于Agent的电子商务系统框架[J].计算机应用研究,2002,19:112-115.
［责任编辑：邓丽丽］