《基于MultiAgent与数据挖掘的电子商务系统》由会员分享，可在线阅读，更多相关《基于MultiAgent与数据挖掘的电子商务系统（4页珍藏版）》请在金锄头文库上搜索。
1、计算机科学2 0 0 6 V 0 1 3 3 N o _ 8 ( 增刊)基于M u l t i A g e n t 与数据挖掘的电子商务系统T h eE - c o m m e r c eS y s t e mB a s e do nM u l t i A g e n ta n dD a t aM i n i n g岑琴赵建民朱信忠( 浙江师范大学信息科学与工程学院金华3 2 1 0 0 4 )A b s t r a c tF a c i n gt h ep r o b l e mo fd e a l i n gw i t ha f f a i ru n d e rt h eE - c o m
2、 m e r c es y s t e m ，w eb r i n gd a t am i n i n gt e c h n o l o g ya n dM u l t i - A g e n tt e c h n o l o g y ，p r e s e n tan e ws o l u t i o ni n t ow h i c hb u i l ds e v e r a lA g e n ts u b s y s t e m st om i n ed a t a T h ea r t i c l ed e s c r i b e st h ec o n s t r u c t i o n
3、o ft h i ss y s t e m ，t h ef u n c t i o na n dc o o p e r a t i o no fk i n d so fA g e n t sa n db a s i ca l g o r i t h mo fd a t am i n i n g T h i ss y s t e mr e a l i z e sp e r s o n a l i z e dd a t am i n i n gr o l e ，t h er e a l l yu s e f u lk n o w l e d g ef o ru s e r sa n de n h
4、a n c e st h ew o r ke f f i c i e n c y K e y w o r d sD a t am i n i n g ，M u l t i - A g e n t ，E - c o m m e r c e1引言随着I n t e r n e t 的发展、电子商务的兴起，中小商家、个人企业借助I n t e r n e t 低价的通讯便利，可以利用已经进入跨国公司才能享有的信息工具，搜集用户信息，寻求合作伙伴，发展潜在客户。任何与消费 者有关的信息对商家来说都是非常宝贵的，但是面对浩瀚的信息量，商家在吸取有用信息的同时也无奈接受了大量的无用信息，浪费了大量的精力和
5、时间。数据挖掘技术为解决这个问题带来了希望。但是由于某些模式比较难理解，研究人员强调用户的主动参与，导致了“数据挖掘的手工化”，使得运行效率低。在智能性方面都还不够完美，而人工智能领域中的A g e n t 具有很高的智能性，将两者结合，可实现整个挖掘过程的智能化。为此，本文提出了基于A g e n t 与数据挖掘的系统模型，把A g e n t 本身的特点引入到数据挖掘过程中，使数据挖掘系统具有了自治性、反应性、交互性及适应环境性等特点。企 业根据挖掘到的信息来分析和预测客户的将来行为，从而有针对性地为顾客提供服务。2 基于M u l t i A g e n t 与数据挖掘的电子商务系统图1
6、 基于M u l t i - A g e n t 与数据挖掘的电子商务系统结构图M i c h a e lW o o l d r i d g e 认为，A g e n t 是一个计算机系统，有代表用户或其所有者独立动作的能力。M u l t i A g e n t 系统由多个A g e n t 组成的系统，一般 这些A g e n t 通过网络基础设施交换信息，实现交互 6 。在M A S 中，单个A g e n t 的能力是有限的，但是通过合作可以完成许多复杂的任务7 。这对于企业提高对顾客信息的挖掘非常有效，能节约不少时间和精力。其基本思想是：一个用户对应一个A g e n t 子系统，当
7、用户在的网站上搜索想要的商品 时，南管理A g e n t 创建A g e n t 子系统进行数据挖掘，并将用户所需的信息反馈给用户，提供良好的服务。每个A g e n t 子系统包含A g e n t 子系统I I ) 号、2 6 9用户A g e n t 、挖掘A g e n t 和通信A g e n t 。系统设计框架如图1 所示。本系统中各A g e n t 的功能如下：1 ) 管理A g e n t 。从图形用户界面接收用户请求，查看A g e n t 信息库中是否已存在该用户信息，若不存在创建该用户的A g e n t 子系统中的各类A g e n t ，并初始化用户模型库，若已经
8、存在则激活A g e n t ，且将用户的需求发送给用户A g e n t ，同时将用户A g e n t 子系统挖掘出的信息反馈给用户。收集、管理、统计各种信息资源，保证整个系统免受外来人侵，拒绝非法请求。2 ) 用户A g e n t 。它是A g e n t 子系统与管理A g e n t 的接口，负责与管理A g e n t 对话，接收用户命令，并将命令传给挖掘A g e n t ，同时将挖掘A g e n t 传递来的挖掘结果进行分析、整理更新用户模型库并提交给管理A g e n t 。根据当前用户模型库和客户命令，进行反馈学习，使模型库中始终保留着用户感兴趣的信息，淘汰过时的记录，
9、保持最佳状态提供最新信息。用户A g e n t 的工作过程：当处于学习态、后台执行态时，根据用户以往的行为，运用用户模型库的知识，并综合任务，分析该用户当前的操作意图，预测他的走向，不断优化用户模型库，挖掘出最可能、最常用的信息，并将其置于C a c h e ，同时淘汰过时行为记录；在挂起状态时，释放大量资源，但一直监听管理A g e n t ，一旦用户发出请求，立即进人执行状态。3 ) 挖掘A g e n t 。整个A g e n t 系统的分析中心，对客户在站点上登记的信息、站点访问日志和客户购物信息进行挖掘。先在C a c h e 中查看用户所需的信息，若有，则直接返回给用户A g e
10、 n t ，若无，则对用户模型库进行数据挖掘，同时也可向其他A g e n t 提出合作清求，提高挖掘效率和准确度。挖掘A g e n t主要采用2 分析方法：关联规则挖掘和聚类分析。4 ) 通信A g e n t 。当挖掘A g e n t 没有在用户模型库中找到所需的直接信息时，将同组用户的编号发送给通信A g e n t ，通信A g e n t 根据A g e n t 子系统编号在站点上寻找并与之通信，得到所需的信息，返回给挖掘A g e n t 。通信A g e n t 之间通过K Q M I 。语言进行交流。下面是一个基于K Q M I 。的动作表达式 的例子：i 系统的通信A g
11、 e n t i 向j 系统的通信A g e n t i 发送请求，通信A g e n t j 收到请求后接收信息并查看j 系统的用户原型库，并返回结果。( a s kf o r ：s e n d e rA g e n t i ：r e c e i v e rA g e n t j：r e p l y - w i t hu s e rm o d e lr e p o s i t o r y：c o n t e n t ( U s e r r e q u e s t ( c o m m o d i t ym a t e r i a l ) ) ：l a n g u a g ev b ：o n t
12、 o l o g yc o m m o d i t ym a t e r i a l )2 7 0 5 ) 信息库。本系统中有两类信息库：一个是用户模型库，另一类是A g e n t 信息库。用户模型库中保存着用户自己的基本信息、历史记录以及对客户未来可能行为的预测，同时还保存着与自己具有相似兴趣和行为的其他客户的I D 号。A g e n t 信息库保存在这个站点上留下痕迹的所有客户的资料，并将相似特征行为的用户根据聚类分析进行分类，以利于分析与预测。3 基于M u l t i 一A g e n t 与数据挖掘的电子商务系统的数据挖掘算法在B 2 C 中，网上购物是最常见的一种。在此，我们以
13、一个女客户购买春装的例子加以说明。A g e n t 系统主要鳃决如何充分利用数据挖掘技术挖掘出顾客的购买规律，提供个性化的服务。对于在线电子商店来说，了解顾客的个性经验是吸引长期顾客的关键因素。通过W e b 日志文件中的数据来挖掘顾客的浏览个性，并用它来提高顾客对网站的兴趣。3 1 频繁路径的应用A g e n t 可从服务器中得到用户的搜索路径如下，根据网站的特征及用户停留的时间的长短来分析用户的兴趣。图2 网络拓扑图该客户在此网站的访问路径为： A B p B A D h E F 。设T P 其中一条最大路径E z ( 从起始节点开始浏览直到无后退的最大链接页面的序列称为一条最i -
14、- ” 大向前路径) 。若P 为：P = k i T P 。，i 一1 ，2 ，n ，其中k i 为T P i 的访问次数。则任意一条最大向前访问路径的频度f ( T P i ) = k i T P i P 3 。如果f( T P i ) 的值小于客户规定的最小值，则称T P i 为频繁访问路径。通过确定频繁访问路径，可以了解客户对哪些页面感兴趣，从而更好地改进设计，满足客户的需求。 由此我们可知其中有两条最大路径：1 ) A p C ；2 ) A 一胪E F 。计算这2 条路径是否为频繁访问路径流程如下。图3 频繁路径流程图由以上分析，我们可以利用频繁路径根据用户的兴趣，把具有一定支持度和信
15、任度的相关联的物品摆放在一起或文件站点的连接直接化有助于销售。就如我们所举的例子，该客户购买春装时，肯定会考虑与相关衣服搭配的饰品，比如包、鞋子、首饰甚至化妆品。我们网站可以直接提供相关的网站的链接，节省客户的搜索时问，给客户留下好的印象，增加下次访问的机率。3 2 推荐系统推荐系统就是向客户推荐商品或提供信息来引导客户购买什么商品。它可以根据其他客户或是此客户以往的购买行为预测其未来的购买行为，模拟销售人员帮助客户完成购买过程。当A g e n t 向客户推荐商品时，不能随意、盲目推荐商品。A g e n t 要分析用户的兴趣、爱好和与该客户有类似行为特征的客户购买的物品综合分析，给出中肯的
16、意见，建立网站的忠诚度。可运用聚类分析、关联规则等方法进行数据挖掘。电子商务系统中的关联规则技术根据关联规则发现算法和客户当前的购买行为。关联规则是形如A 净B 的蕴涵式，若此规则在事务D 中成立，具有支持度S 和置信度c ，其中s u p p o r t ( A 净B ) 一P ( A UB ) ，c o n f i d e n c e ( A B ) 一P ( AB ) 。同时满足最小支持度和最小置信度阈值的规则称为强规则。我们的任务就是挖掘这些对分析用户信息有用的强规则。本文中采用了经典的A p r i o r i 算法。A p r i o r i 使用一种称作逐层搜索的迭代方法，l 卜项集用于探索( k + 1 ) 一项集。算法如下：A 找出频繁1 一项集的集合I ，1B I 。k 一1 用于找I k ，其中k 仁nC 直到找不到频繁I k 为止聚类分析是一种重要的人类行为。通过聚类，人能够识别密集的和稀疏的区域，因而发现全局的分布模式，以及数据属性之间的有趣的
