基于Agent的网站促销下消费者行为仿真研究

应用Agent建模与仿真方法研究网站促销条件下的消费者购买行为特性. 在分析了网络购物环境下消费者行为影响因素的基础上,建立了消费者、网站、情境行为模型. 在问卷调查基础上设计了消费者的偏好规则及购买决策规则,以此构建了分析不同促销策略、促销情境的情况下不同消费者购买决策行为的Agent仿真模型,并用REPAST 实现了该模型. 仿真结果显示了有无促销策略对不同性别、年龄、收入、促销情境条件的消费者购买率变化情况. 研究表明,该模型可通过消费者购买行为的涌现现象来分析、预测不同情境下不同促销策略的影响效果.     

移动情境感知环境下的用户行为模式挖掘算法研究

针对当前个性化精准营销推荐策略研究中用户情境多样性和动态性等问题的挑战,提出了一种移动情境感知环境下的用户行为模式挖掘算法.该方法采用一种嵌套键值模型,对多源异构的移动情境感知信息进行有效融合和存储,构建了基于规则的多维序列模式挖掘算法MSP及其改进算法UTDMSP,能够从用户移动情境感知信息和交互行为中发现全局频繁和局部频繁的用户行为模式,识别用户长期保持的行为习惯和兴趣偏好,以及近期习惯和偏好的变化新趋势.在真实数据集上验证了本文所提出模型和算法的有效性.     

基于情境聚类和用户评级的协同过滤推荐模型

协同过滤是电子商务推荐系统中广泛应用的推荐技术, 但面临着严重的用户评分数据高维化和稀疏性问题. 同时, 传统协同过滤中的相似度度量方法没有考虑用户评分行为对其他用户的影响, 因而对评分预测的精度影响较大. 此外, 在移动环境下, 传统协同过滤未结合情境信息, 导致推荐质量下降. 对此, 提出一种基于情境聚类和用户评级的协同过滤模型. 首先, 根据情境信息对用户进行聚类, 降低用户评分数据维度和稀疏性; 然后, 引入社会网络理论分析用户间关系, 建立用户评级模型用于评价用户推荐能力, 并结合评级指标进行评分预测. 通过MovieLens和NetFlix数据集对基于该模型的SlopeOne算法和其它三种方法的比较验证结果表明: 本模型在所有数据集上都获得了最高的预测精度, 同时还具有最佳的推荐覆盖度, 可显著提高预测精度, 更适用于移动电子商务环境下的个性化推荐问题.     

基于Agent的体系对抗仿真建模方法研究

面向信息化战争的武器装备体系对抗仿真，从复杂系统建模的角度对传统系统仿真建模方法提出了严峻挑战。因此，需要以CAS理论为依据，研究新的武器装备体系对抗仿真建模方法，以适应信息化战争模拟的需要。为此，我们在分析体系对抗仿真需求的基础上，从基于Agent的体系对抗仿真建模概念、仿真建模概念框架、仿真建模策略，基于Agent的体系整体“涌现”行为建模等问题入手，探讨了基于Agent的体系对抗仿真建模方法问题，并结合体系对抗仿真实验，研究了基于Agent的实体行为建模、实体交互建模和实体模型结构，提出了基于Agent的体系整体“涌现”行为建模思想和建模规范。     

基于多进程的Agent行为描述及其仿真调度研究

在基于Agent的作战仿真中,描述作战实体的Agent的行为异常复杂,采用传统的面向事件例程的仿真策略,会使Agent仿真模型的描述和执行缺乏灵活性和可扩展性,不利于降低建模仿真的复杂度。提出采用进程交互法作为基于Agent的作战仿真的基本仿真策略,将Agent在物理域、信息域和认知域内的行为描述为不同的进程,降低各域内行为描述的耦合性,增强Agent行为模型的可扩展性,并通过进程交互仿真的控制方法约束各行为进程的启动、挂起、继续运行和终止,无需模型开发人员管理Agent行为进程的调度。这种方法使Agent行为描述更加清晰和易于理解,有效降低了Agent行为描述和仿真调度的复杂度。通过一个应用实例,验证了提出方法的有效性。     

基于自适应MAS的编队对地攻防对抗系统建模研究

针对当前信息化、网络化的战场环境特点,提出了一种攻防对抗系统的自适应Multi-AgentSystem(MAS)模型,将整个攻防对抗过程看作为进攻方Agent系统A及对抗性环境E的交互过程,重点分析了攻防对抗过程中代表空中攻击机群编队的进攻方Agent系统的总体结构框架和基于系统效能的MAS内部行为,给出了Agent系统的自适应行为算法,并进行了相应的仿真分析。仿真结果表明,这种采用基于系统效能准则的自适应MAS建模方法对分析攻防对抗系统的内部行为和总体效能指标提供了一种有效的途径。     

基于多Agent的混凝土坝施工仿真与优化研究

混凝土坝施工仿真的复杂建模过程限制了其成为混凝土坝施工管理的有效手段。将智能化仿真与混凝土坝施工仿真相结合,提出了基于多Agent的混凝土坝施工仿真与优化方法。采用多策略建模方法来构建具有不同智能层次的Agent模型,简化了Agent模型的实现过程;阐述了混凝土坝施工过程仿真中仿真行为推理建模、规则知识的获取与应用、Agent间的通信与协商机制等多Agent实现方法;建立混凝土坝施工仿真系统Agent分类的整体模型结构,并论述了该系统的实现过程。基于多Agent的混凝土坝施工仿真系统的开发,增强了施工仿真的可信度和适用范围,实际工程的应用验证了该系统的有效性。     

露天矿山奖惩策略有效性的仿真研究

矿山安全事故屡有发生,矿工有意不安全行为(Intentional Unsafe Behavior,IUB)是主要致因因素之一,实施奖惩策略是矿山企业的主要应对策略。为了明确奖惩策略对矿工IUB的作用机理及其约束效力,基于行为经济学+IUB扩散规则,结合多智能体(Agent)模型分析矿工发生IUB的影响因素,并基于工作情景适应度函数和不安全行为适应性函数构建了仿真模型,在Netlogo平台中进行比对分析,探索总结发生IUB的宏观涌现规律,利用工作情景适应度状态值记录不同属性矿工行为选择的具体情况。     

基于CAS理论的多智能体战斗模型仿真研究

为了研究基于复杂适应系统理论的多智能体仿真模型的演化、涌现规律,在Swarm平台上建立了一个多智能体的战斗模拟仿真系统,并对战斗过程双方Agent数量和实力的演化进行了模拟仿真,得到了和传统数学模型不一致的结果.基于复杂适应系统理论的多主体仿真模型可以模拟复杂系统的微观行为,进而能够显现出系统宏观涌现现象,非常适合模拟复杂的战争系统.     

基于证据理论的多Agent重复囚徒困境博弈研究

在多Agent系统中,利用证据理论与重复囚徒困境博弈对其中的合作行为进行了研究.为加强Agent之间的合作行为,构建了基于信度函数的综合信任模型.该综合信任度的建立来于两个方面:一是由以前交互历史中观察的直接证据而得到的直接信任度,二是由来自于第三方的推荐证据而得到的推荐信任度.基于综合信任模型,给出了多Agent重复囚徒困境博弈算法,并对所研究的问题进行了仿真.仿真结果表明,基于综合信任度的博弈策略能够有效地加强系统中的合作行为,提高系统的收益.     

基于顾客选择行为的移动资费套餐优化模型

移动资费套餐是电信企业通过移动资费产品的多样化来满足市场中不同顾客需求的一种有效手段.在移动资费套餐的设计过程中,如何合理设计套餐的数量和定位细分市场,并选择套餐分档的属性值,是电信企业管理部门的一项重要任务,也是一项复杂的管理决策问题. 文中提出了一种基于顾客选择行为分析的移动资费套餐优化模型,在模型中首次引入了新产品定位中的顾客选择行为分析的思路和方法,并采用多项式分对数规则来模拟顾客的选择购买行为.同时,在优化模型中考虑了移动资费套餐的收入长期性、未来收益和资金折现率的 影响,强调以最大化顾客终身价值为目标来进行移动资费套餐方案的优化选择.最后给出了某电信公司套餐的一个实例,对所提的模型和方 法进行了计算和验证.     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

考虑用户兴趣和能力的众包任务推荐方法

众包平台的信息过载使工人面临任务选择的困难.针对众包特征,本研究提出一种考虑工人兴趣和能力的任务推荐方法.该方法基于协同过滤推荐思想,首先通过TF-IDF技术构建考虑兴趣偏好的工人模型,然后将基于胜任力理论分析构建的工人KSAO能力集合融入到模型中,构建新的工人模型;在此基础上,利用余弦相似性、Jaccard相似性和改进的余弦相似性公式,计算工人间融合兴趣和能力的综合相似度,依此来选取近邻集并最终生成推荐.利用猪八戒网采集的数据进行实验,结果表明该方法的有效性,并通过对比实验证实该方法比传统协同过滤方法推荐效果更佳.从推荐视角丰富众包任务选择的研究,对于众包中解决信息过载、增进个性化体验等具有一定的现实意义.     

移动电商顾客购买行为——基于拓展BG/NBD模型的实证研究

基于移动渠道的特征，拓展了客户关系管理领域具有代表性的BG/NBD模型，通过在模型中引入协变量，并考虑不同交叉购买行为下，分析移动客户和传统线上客户在购买率和流失率上的差异。进一步，以2012~2014年京东商城上19189名客户购买数据为分析单位，对拓展模型进行估计和分析。研究结果表明：移动客户的购买率要显著高于传统线上客户购买率，而且移动客户的流失率显著低于传统线上客户的流失率。同时发现，交叉购买行为对上述关系具有显著的调节作用：在有交叉购买行为的情况下，移动客户与传统线上客户无论是在购买率还是流失率上的差异要比没有交叉购买行为下的差异更显著。     

Products Ranking Through Aspect-Based Sentiment Analysis of Online Heterogeneous Reviews

With the rapid growth of online shopping platforms, more and more customers intend to share their shopping experience and product reviews on the Internet. Both large quantity and various forms of online reviews bring difficulties for potential consumers to summary all the heterogenous reviews for reference. This paper proposes a new ranking method through online reviews based on different aspects of the alternative products, which combines both objective and subjective sentiment values. Firstly, weights of these aspects are determined with LDA topic model to calculate the objective sentiment value of the product. During this process, the realistic meaning of each aspect is also summarized. Then, consumers’ personalized preferences are taken into consideration while calculating total scores of alternative products. Meanwhile, comparative superiority between every two products also contributes to their final scores. Therefore, a directed graph model is constructed and the final score of each product is computed by improved PageRank algorithm. Finally, a case study is given to illustrate the feasibility and effectiveness of the proposed method. The result demonstrates that while considering only objective sentiment values of the product, the ranking result obtained by our proposed method has a strong correlation with the actual sales orders. On the other hand, if consumers express subjective preferences towards a certain aspect, the final ranking is also consistent with the actual performance of alternative products. It provides a new research idea for online customer review mining and personalized recommendation.     

基于情境化用户偏好的协同过滤推荐模型

协同过滤推荐是目前个性化推荐系统中使用最为广泛的方法.然而,传统协同过滤推荐一方面仅根据用户对项目的评分来判断用户之间是否存在共同喜好具有一定的片面性,因而降低了近邻搜索的质量;另一方面忽略了不同情境对用户偏好影响的差异性,进而影响了个性化推荐的效果.为此,提出一种基于情境化用户偏好的协同过滤推荐模型.首先,在模型中采用信息熵理论分析不同情境对用户偏好产生影响的重要程度,并结合用户-商品评分和用户对商品属性的偏好来搜索近邻用户;在此基础上,将情境重要度的权重引入到协同过滤推荐的生成过程中进而产生推荐结果.通过MovieLens数据集对该模型和其它两种协同过滤推荐进行比较的结果表明:本模型具有较低的平均误差,进而表明了考虑情境化用户偏好的协同过滤可明显改善个性化推荐的质量.     

移动商务中融合签到位置与用户间相似性的兴趣点精准推荐

向位置频繁变化的移动用户进行精准推荐,如何提高推荐准确性,已经成为一个理论研究与实践中的热点与难点问题.针对于此,本文提出了面向移动社交商务的精准用户兴趣点推荐模型--MRGR.首先,利用用户的历史签到信息,通过改进核密度估计对兴趣点进行预测;其次,进一步考虑到用户间的签到相似性,使用信息熵定量表示用户移动的随机性和不确定性;最后,融合地理位置信息与用户间相似性,精准推荐用户兴趣点,并在Foursquare数据集上进行验证.实验结果表明:与传统模型相比,提出的模型在准确预测用户兴趣点的同时,可以有效缓解数据稀疏性和冷启动问题,并在准确率和召回率上都取得了显著的提高.成果将为移动商务中,如何更好满足企业的精准推送与用户个性化需求提供有力的技术支持和决策服务.     

基于信任和不信任关系的实值受限玻尔兹曼机推荐算法

在社交网络与电子商务快速融合的背景下,将基于信任关系的推荐技术应用于电子商务领域实现个性化推荐已得到广泛研究.现有推荐算法鲜有考虑用户间不信任效应,导致社交信任度量过于保守,较大地影响了推荐系统准确性.针对现有推荐算法忽视不信任关系导致的非对称效应缺陷,本文提出一种结合信任和不信任的实值受限玻尔兹曼机推荐算法(TDA-RBM),首先建立个人受限玻尔兹曼机,进而运用用户社交行为特征信息分析用户信任与不信任关系并进行度量,在此基础上构造信任-不信任监督机制并用于TDA-RBM方法的优化,同时对该方法的有效性进行分析.通过Epinions数据进行的对比实验表明了TDA-RBM方法的有效性以及不信任关系的引入能有效提高推荐准确性.