下载文档原格式
基于Multi-Agent协同进化机制的Web个性化信息推荐的
研究
易晨晖
【期刊名称】《信息与电脑》
【年(卷),期】2017(000)014
【摘要】Web个性化信息推荐是近年来的研究热点,但是面对Web信息量大、数据异构及信息安全等难题,以及信息推荐中信息过滤系统不透明、算法歧视、信息窄化等新问题,笔者根据Multi-Agent协同进化机制具有的并行性和自组织、自适应、自学习等智能特征,提出将Multi-Agent协同进化机制应用于Web个性化信息推荐,设计了基于Multi-Agent协同进化机制的Web个性化信息推荐系统.其中Multi-Agent根据内外部环境变化对适应度进行检测和评估而进行协同进化,由最优Agent产生推荐信息.这样有效帮助用户准确、快速地获得Web个性化推荐信息.
【总页数】4页(P94-96,99)
【作者】易晨晖
【作者单位】湖南信息学院,湖南长沙 410151
【正文语种】中文
【中图分类】TP311.52
【相关文献】
1.基于个性化情境的Multi-Agent信息推荐研究 [J], 周朴雄;薛玮炜;赵龙文
2.基于Web社会网络的个性化Web信息推荐模型 [J], 陈君;唐雁
3.基于Web3.0的个性化信息推荐模式研究 [J], 徐宝祥;武慧娟
4.基于个性化Web信息推荐模型的研究 [J], 陈雪刚;杨磊
5.基于Web数据挖掘的个性化留学信息推荐系统研究与应用 [J], 何俊;李慧颖因版权原因，仅展示原文概要，查看原文内容请购买。
移动Agent在个性化教学检索系统中的应用移动Agent技术是近年来在人工智能领域应用越来越广泛的一项技术。
它以人工智能为基础,并且与网络技术相结合,为解决复杂、动态、分布式智能应用提出的一种全新的计算方式,它的智能性、动态性和移动性特点为实现个性化检索提供了技术支持。
该技术主要强调利用移动Agent技术加强检索系统的智能性和个性化。
在传统检索系统和移动Agent技术的基础上,建立了基于移动Agent的检索引擎模型,并将此模型应用于个性化教学检索系统中。
标签：移动Agent 搜索引擎;个性化;信息检索1 基于移动Agent教学检索系统模型1.1 移动Agent的基本行为方式移动Agent是实现教学资源组织和教学资源获取的关键部件。
通过它在系统中的移动和计算,教学资源被发现和收集,不同用户的教学资源可以流动和共享。
虽然在本系统中几类不同的移动Agent要执行不同的任务、不同的工作流程,但它们在系统中的基本行为方式是一致的。
(1)寻找任务目标,移动Agent都分派了不同的任务,这就意味着它们有不同的目标,一旦系统开始运行它们会移动寻找目标。
在这个过程中可能要与其他的Agent通信而得到相关信息,在不同域中移动最终找到目标。
(2)任务执行,该移动Agent通过复制自己产生若干子移动Agent,并把子任务分派给它们,派遣它们到该域中的教学资源服务器上并行地完成任务,子移动Agent向该服务器上的资源Agent发出“任务请求”,并接受“回复”消息。
把结果返回给上一级Agent。
(3)完成任务,父移动Agent接受到子移动Agent完成任务的消息后,根据它的查询服务决定下一步的行为或通知上一级Agent该任务已经完成,或继续执行新的任务。
在基于移动Agent 的个性化教学检索系统模型中,引入了Agent 的概念,用Agent 来定义系统中的各个部件的需求和实现,对教学检索系统进行“Agent 化”,使得每个应用都对应一种Agent,教学检索系统的模型在教学检索系统中主要有以下几个Agent。
基于Agent的个性化智能信息检索系统的开题报告一、选题背景随着信息技术的不断发展，互联网上的信息量已经达到了惊人的级别，这让用户难以从中快速准确地获取所需信息。
当前的智能信息检索系统虽然已经取得了一定的进展，但是它们仍然存在着诸多缺陷，其中最大的问题就是对个性化需求的识别和处理能力不足。
二、研究思路针对上述问题，本文提出了一个基于Agent的个性化智能信息检索系统。
所谓Agent，是指一种具有自主决策和行动能力的计算机程序，能够根据用户的需求来进行智能信息查询和处理。
本系统的核心思想就是将用户的个性化特征和偏好通过Agent算法提取出来，然后使用这些特征去指导搜索引擎的搜索过程，以便于更好地匹配用户的查询意图。
本文主要的工作内容包括如下几个方面：1.研究Agent算法及其在信息检索中的应用。
2.分析用户需求的多样性和复杂性，构建具有代表性的用户集合，并通过对其行为和特征的分析来提取用户的个性化特征和偏好，并设计出合适的数据结构和算法来存储和处理这些信息。
3.设计并实现基于Agent的个性化智能信息检索系统，在实现过程中考虑到查询过程的高效性、系统的可扩展性、用户交互的友好性等因素。
4.通过实验对系统进行性能测试，并对其进行评价和改进。
三、预期目标1.设计并实现基于Agent的个性化智能信息检索系统，能够根据用户的个性化需求来进行精确的信息检索。
2.提高用户的信任和满意度，增强信息检索服务的价值和竞争力。
3.为后续的研究提供基础和启示。
四、可行性分析本文的研究内容涉及到多个领域的知识和技术，如智能搜索、Agent算法、人机交互等。
但是，这些技术和研究成果已经得到了广泛应用和认可，相关的理论和实践研究已经取得了一定的进展。
另外，本研究采用的是相关技术的集成和创新，对于研究的难度和复杂性都有一定的降低。
所以，本文的研究是具有可行性的。
五、论文框架第一章绪论1.1 研究背景与意义1.2 国内外研究现状1.3 研究思路与方案1.4 论文结构第二章相关技术分析2.1 Agent技术2.2 信息检索技术2.3 用户行为分析技术第三章用户个性化特征提取3.1 用户集合的构建3.2 行为和特征分析3.3 数据结构和算法设计第四章基于Agent的个性化智能信息检索系统设计4.1 系统架构设计4.2 模块设计4.3 系统实现第五章实验和评价5.1 实验设置及数据获取5.2 实验结果分析5.3 系统评价第六章结论与展望6.1 论文工作总结6.2 工作展望参考文献。
【关键字】系统基于信息Agent技术的个性化学术资源信息系统黄镝摘要信息Agent是解决网上信息过载的主要工具，本文介绍了信息Agent的技术特性和基本功能，并详细介绍了一个基于信息Agent技术的信息系统软件--Reference Manger，使读者对信息Agent技术有一个较直观的了解。
关键词信息Agent 信息系统Reference Manger 数据库1．引言随着Internet技术的飞速发展和Web数据库资源的日益丰富，使信息的获取越来越方便。
国内许多大学的师生和研究所的科研人员可以在办公室或寝室中方便快速地检索各种WEB学术信息资源和商用数据库，如Web of Science、EI、INSPEC、CA、BP等二次文献和SCIENCE、ELSEVER SDOS、KLUWER ONLINE等全文电子期刊，但这些资源分布在不同的检索系统，不同的格式和特性阻碍了这些资源的有效利用和管理，造成信息过载、资源迷航。
许多学者常常会为搜索引擎无法过滤无用的信息，以及因信息管理不善而无法找回已保存的信息而烦恼，因此，基于信息Agent技术的能提供智能检索、对知识有效管理的个性化信息服务将会受到越来越多的学者的重视和欢迎。
2．Agent的技术特性Agent技术是人工智能的一个重要分支和热门话题，但对于Agent目前还没有一个标准的定义，Agent技术应用于许多领域，不同专业的人会对Agent有不同理解,它基本具有如下技术特性：2.1代理性代理性主要体现在Agent能代表用户完成某些工作或代理用户软件与其他软件进行通信和联系。
2.2自主性Agent本身是一个独立自主的计算实体，它能独立地发现和利用各种信息资源和服务，独立自主地解决问题和为用户提供服务。
2.3主动性主动性是指Agent能根据用户的需求，适应环境的变化主动为用户提供服务。
2.4智能性指Agent能感知周围的环境，具有推理和智能计算功能，能分析用户的需求，不断积累经验，以提高自身处理问题的能力。
基于多Agent的Web个性化信息检索模型
梁高卫
【期刊名称】《邵阳学院学报（自然科学版）》
【年(卷),期】2010(007)003
【摘要】提出了一种基于多Agent的Web个性化信息检索系统的模型(WPIRS-MA),该模型利用多智能Agent技术,结合用户的关键词描述,挖掘用户潜在的兴趣和特征,在各Agent的协调下,完成信息检索、过滤和聚类.框架分析表明该模型具有良好的灵活性、智能型和扩展性.基于5个站点的Web文档测试分析结果表明,该模型可以保证良好的关键词集的正确率,用户查询满意度达到80%以上.
【总页数】5页(P21-25)
【作者】梁高卫
【作者单位】邵阳学院信息工程系,湖南,邵阳,422000
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于智能Agent的用户个性化信息检索系统模型 [J], 靳玉红;吴斌;权蔚蔚;罗宏伟
2.基于Agent的个性化智能Web信息检索 [J], 宋晓莉;靖恒昌;吴作勇;张世举;普杰信
3.基于智能Agent的用户个性化信息检索系统模型 [J], 靳玉红
4.基于智能Agent的用户个性化信息检索系统模型 [J], 靳玉红
5.基于Agent的智能个性化信息检索系统模型研究 [J], 郭晔
因版权原因，仅展示原文概要，查看原文内容请购买。
基金项目:受博士学科点专项基金支持(编号:20050359006);受安徽省高校人文社会科学重点项目支持(编号:2006SK007)。
作者简介:梁昌勇,男,1965年生,教授,博士生导师,研究方向为不确定性推理定性推理和智能决策支持系统;钱炜源,男,1982年生,硕士研究生,研究方向为信息管理与决策支持系统;蒋翠清,男,1965年生,副教授,硕士生导师,研究方向为网络安全与控制、项目管理、知识管理。
情报检索基于Mutil -Agent 技术的个性化知识搜索系统研究*Research on Personalized Knowledge Searching System Based on Mutil -Agent Technology梁昌勇 钱炜源 蒋翠清(合肥工业大学管理学院 合肥 230009)摘 要 研究基于M util-A gent 技术的个性化知识搜索系统,主机A gent 、移动Ag ent 、用户Ag ent 之间相互合作实现分布式知识搜索。
在搜索过程中,智能用户A gent 结合用户信息建立个性化模型来实现用户个性化的知识搜索,提高了知识搜索的准确率和用户满意度。
关键词 M ulti-A gent 系统 个性化 知识搜索 移动Agent1 引言知识经济到来的今天,知识正成为生产力要素中最活跃、最重要的部分,知识的创新和应用使企业在竞争中不断发展,并创造巨大财富。
越来越多的企业开始认识到知识管理的意义,并开始探索建立实现知识管理的平台 知识管理系统。
知识管理系统需要一种搜索引擎能跨域对知识信息进行检索和访问。
由于传统的信息搜索方式要求用户必须一直保持在线,等待结果的返回,带来对网络可用性的高要求;另外, 服务静止,数据流动 的模式也造成网络负载过重。
随着Agent 技术的发展,出现了移动Agent 可以将代码移动到数据所在地装载,就地执行信息搜索,大大减少了在网络上传输的数据量,节约了网络带宽[1,2];移动Agent 还可以自行选择迁移的时间和地点[3],即使在网络断连的情况下,其程序运行的状态也能够被保存下来,等待网络连接正常时继续运行,因此解决了用户断连时结果返回失败的问题。
现在的信息搜索最普遍的方式是通过关键词来进行搜索,这种搜索方式列出所有包括关键词的搜索结果,不能有效地查出用户真正需要的知识,这种搜索方式的主要不足在于它不够有效和准确。
个性化搜索服务能够有效地提高查准率和用户满意度。
在个性化搜索方面,目前有许多关于建立用户个性化模型的研究[4,5]。
本文研究了基于M ulti-Agent 技术的个性化知识搜索系统,利用移动Agent 解决了网络带宽和网络断连搜索结果返回失败的问题,提高了搜索效率,并设计了智能用户Agent 将用户信息包括用户注册的基本资料、用户访问记录、用户兴趣偏好、用户访问行为等存入用户信息库,建立用户个性化模型,然后根据用户的搜索请求智能化地推断出用户所需知识搜索请求。
再根据用户的反馈调整,可以有效地提高搜索的准确率。
2 M util-Agent 个性化知识搜索系统的框架结构和工作流程 2.1 系统的框架结构 本文基于Multi-Agent 技术设计了个性化知识搜索系统,它能够智能地结合用户信息,为用户提供个性化知识搜索服务。
其系统框架如图1所示:图1 系统框架图在这个Multi-Agent 系统中,我们用到三种Agent:主机服务Agent(Host Agent)、移动Agent(M obile Agent)和用户Agent (User Agent)。
用户Agent 是用户的虚拟 知识搜索引擎 ,它负责接受用户的查询请求,然后将消息处理后发送给主机服务Agent,并将搜索结束后的结果智能化处理后再提交给用户,用户可以根据提交结果进行评价,再反馈进行知识的提炼与优化。
移动Agent 是一个自包含的软件实体,它记录了自身的状态,对环境变化的反应和对环境的作用,能够通过网络完成自身的移动,它具有网络智能性与通讯协作智能性,它能携带用户的个性化请求,自主地寻找提供信息服务的主机Agent,然后将汇总的结果返回给用户Agent 。
本地主机服务Agent 有两方面的功能:一是为本地Agent 和移动Agent 提供信息查询服务;二是能与其他主机上的服务A -gent 相互协作,维护和更新知识库中的资源信息。
主机服务A -gent 为其他Agent 提供接口和运行环境,并利用AT P (Agent Transfer Protocol,代理传输协议)实现在网络主机间的移动;Agent 在主机中执行通过ACL (Agent Communication Languages)相互通信并访问主机服务Agent 提供的服务。
2.2 系统的工作流程 当用户将信息输入用户Agent 处理形成查询请求后,用户Agent 将请求信息提交给本地服务Agent,本地服务Agent 首先在本地知识库中进行搜索,如果得到结果,则将搜索结果提交给用户Agent 返回给用户,如果本地没有搜索到相Journal of Inform ation No .11,2006情报杂志2006年第11期应的知识,则将根据任务生成移动Agent,将用户Agent 提交的搜索请求都提交给移动Agent,移动Agent 根据服务器生成的旅行计划表,结合对网络状况的动态分析,移动到预定的异地主机,向异地主机服务Agent 提交搜索请求并等待搜索结果。
主机服务A -gent 根据搜索请求在本地知识库中进行搜索,将符合要求的结果交给移动Agent 。
当在一个服务器上搜索完毕后,保存有关状态信息后阻塞自身的工作,接着根据网络、服务器状态以及Agent 路由策略等因素转移至下一资源服务器,在下一服务器上恢复断点状态,继续进行搜索。
移动Agent 完成任务后返回请求地,或者在网络断开的情况下先返回到停靠服务器,由停靠服务器监控用户Agent,并在用户Agent 重新连接上时返回到该Agent 。
用户Agent 对搜索结果进一步筛选处理后返回给用户,也可以由用户手动参与进行。
3 个性化服务的智能用户Agent 设计由于用户个人学习能力、工作岗位、个人学习基础、努力程度的差异,每个用户所需查询的知识也是不同的。
要实现系统的个性化服务,系统在提供知识搜索服务中必须智能地结合用户的个人信息。
3.1 智能用户Agent 工作流程 根据系统需结合用户信息提供个性化搜索服务,下面对智能用户Agent 进行了设计,图2显示了用户Agent 的工作流程:图2 用户Agent 的工作流程图用户在注册时首先将自己的个人喜好、知识侧重在用户A -gent 提供的用户界面上进行手工输入,通过用户的手工输入信息,在用户信息库中为用户建立初级个性化模型,即将用户输入的主题词、主题站点、作者等信息加入到用户文件中,对其用户信息库进行初始化。
这种方式能让用户首次使用系统就可获得个性化的知识服务。
在用户持续使用系统的过程中,可以通过跟踪用户的上网行为,分析其偏好,并存入用户信息库。
对于用户兴趣和偏好的推测与分析涉及人工智能和机器学习技术。
为了提高推测的准确性,用户还可以对信息服务的效果提供反馈,根据反馈信息再调整用户信息库。
这种方式能够及时反映用户兴趣的变化,但由于涉及用户隐私因而本系统只选择反映用户兴趣的信息,不涉及用户的敏感信息。
用户个性化模型建立以后,系统可以允许用户主动更新,如对个性特征手工进行修改、添加或删除,使其更加符合用户的偏好。
用户Agent 根据用户的个人信息和用户的查询请求来智能化地生成知识搜索请求并且可以过滤及优化搜索结果。
3.2 用户个性化模型,知识搜索请求和知识文档的表示 一般,用户的个人信息包括一系列对用户的描述,它反映了用户的需求、兴趣偏好以及用户的角色,这些都可以指导系统智能化地推断出用户所需搜索的知识请求。
用户Agent 根据用户的个人信息生成用户个性化模型。
我们用n 维向量来表示用户的个性化模型、用户搜索请求和知识文档,每个向量都包含有n 个词元素,这些词元素都是知识词源向量S 中的,S =(t 1,t 2,t 3, ,t n ),其中t i 表示词元素,S 中包括了所有知识文档中抽取的词元素,他们在向量S 中按照字母顺序排列。
在此基础上,我们再定义用户的个性化模型向量P,P =(p 1,p 2,p 3, ,p n ),P 也必须是n 维的,p i 与t i 相对应,其中p i 为词的权重,如果词t i 存在于用户个性化模型向量中,则p i =x ,x 为1~5,x 值越大,表示这个词对用户来说越重要,否则p i =0,所以向量P 可以表示成P =(3,0,2 1,5,0,1 )。
用户agent 根据用户的搜索请求和用户的个性化模型并结合Agent 自身知识库可以智能化地推出用户的知识查询向量Q =(q 1,q 2,q 3, ,q n ),向量Q 也必须是n 维的,q i 与t i 相对应,其中q i 为词的权重,向量Q 的表示法类似于向量P 。
每个知识文档用向量D =(d 1,d 2,d 3, ,d n )表示,D 也必须是n 维的,d i 与t i 相对应,其中d i 为词的权重。
3.3 球状搜索模型原理 本系统运用球状搜索模型理论[6]来为用户提供个性化的知识搜索。
通过这个模型,我们首先建立用户个性化模型,定义为向量P,用于记录用户的兴趣、爱好、知识等信息。
这个向量由一组描述用户的词构成,当然这些词都是出现在知识词源向量S 中,并且每个词都需要用户给它赋一个权重,为了得到这个向量P,用户在注册时候必须填一张表格,这表格记录了一组用户的信息,包括用户的兴趣爱好和用户的知识情况,如用户的职业、教育程度、所在的单位性质、关心的主题和作者等等。
用户也必须向用户Agent 提出包括一系列词用来描述所需查询的信息,我们称用户提出的请求为reguest,包括搜索的主题词、主题站点、作者等,用户同时给这些词赋以相应的权重(weight),这些权重代表着这些词在问题中的重要程度,一般的情况下,用户请求中的词的权重要比用户个性化模型中词的权重稍大一些。
当用户Agent 具备了用户的个性化模型和搜索请求信息后,就根据这两者信息的结合运用Agent 知识库中一定的算法生成一个新的请求向量Q =(q 1,q 2,q 3, ,q n ),要找出与用户请求相关的知识文档集合,可以建立一个球,以Q 为球心,K 为半径,与查询请求相关的知识文档包括在球体内,相关性越大,越靠近球心Q,返回的搜索结果排序也越靠前。
半径K 的值可以由用户Agent 定义为常量,也可以由用户进行更改。
K 值不仅决定了球范围的大小,也就决定了知识文档的搜索范围及返回的知识文档的数量。
