基于數據倉庫的智能導購Ａｇｅｎｔ系統模型研究

[摘 要] 針對當前個性化導購系統存在的問題，本文利用多層體系結構的數據倉庫為數據導購系統提供數據環境，將多Agent思想運用到電子商務智能導購領域，提出了一種基于數據倉庫的智能導購Agent系統模型，并討論了模型中各組成部分的功能與數據倉庫的構建#65377;

[關鍵詞] Agent;智能導購;數據倉庫

[中圖分類號]F724.6[文獻標識碼]A[文章編號]1673-0194(2008)09-0100-03

0 引 言

隨著Internet安全技術的不斷完善，網上購物成為電子商務中的新熱點[1]#65377;在購物網站繁多的情況下，除了優惠的價格#65380;完善的售后服務外，個性化服務成為廣大商家吸引客戶的新手段#65377;智能導購Agent系統以其獨特品質對消費者購買行為產生積極的影響，為網絡消費者提供優質的服務，發揮了良好的導購作用#65377;

目前已開發出一些智能導購系統，其中比較有代表性的有:WebWatcher[2]系統，SiteHelper[3]系統和Footprints[4]系統等，這些系統取得了較好的效果，但也存在一定的局限性，主要包括:

(1)缺乏個性化#65377;對所有的用戶采用相同的推薦策略，不能根據不同用戶的興趣愛好給出不同的產品推薦，難以滿足用戶的個性化需求#65377;

(2)直接將各個局部站點的數據合并成全局的數據統一進行挖掘，由于數據龐大，網絡傳輸效率較低，導致數據挖掘的效率低下#65377;

(3)信息收集不完全#65377;基于用戶一次登錄得到的信息，而不是基于長期收集用戶瀏覽網頁時給出的興趣偏好信息，對用戶做出個性化的推薦#65377;

針對上述問題，為了使現有智能導購系統適應電子商務網站動態變化的需要，能為用戶提供更為主動的#65380;具有智能適應性的個性化商品推薦服務，本文采用基于數據挖掘的多Agent技術，將各種功能模塊構造為一個能主動為用戶服務#65380;能在問題求解環境中自主運行的實體，提出了一個基于數據倉庫的智能導購Agent系統的結構，以使傳統導購系統的應用更具有可塑性#65380;自主性，更能適合用戶的需求，可以在動態#65380;不確定環境下使用#65377;

1 數據挖掘技術和多Agent技術

1. 1數據倉庫與數據挖掘技術

目前，對于“數據倉庫”一詞尚沒有一個統一的定義，著名的數據倉庫專家W.H.Inmon在其所著《Building the Data Warehouse》一書中給予如下描述:數據倉庫(Data Warehouse)是一個面向主題的(Subject-Oriented)#65380;集成的(Integrated)#65380;相對穩定的(Non-Volatile)#65380;反映歷史變化(Time-Variant)的數據集合，用于支持管理決策#65377;

數據挖掘是從大量的#65380;不完全的#65380;有噪聲的#65380;模糊的#65380;隨機的實際應用數據中，提取隱含在其中的#65380;潛在的有用信息和知識的過程[5]#65377;在商業上，按照企業業務目標，對商業數據庫中大量業務數據進行探索和分析，揭示隱含的#65380;未知的規律性，進一步找出有效的方法，幫助企業的決策者調整市場策略，減少風險，做出正確的決策#65377;

1. 2Agent及多Agent系統及其特點

Agent的概念出現于20世紀70年代的人工智能(Artificial Intelligence， AI)中#65377;所謂Agent，是指一種具有自制能力#65380;智能和目標驅動屬性，能夠通過各種學習#65380;推理等方法感知和適應復雜的動態環境，并能夠主動追求目標的能動實體[6]，其能力主要包括知識獲取與應用能力，環境通信能力和事務處理能力等#65377;它具有某種程度的“擬人性”，能夠按照人的意圖去獨立自主地為人完成某些任務#65377;它還具有自主性#65380;反應性#65380;主動性#65380;交互性等特點#65377;因而利用Agent來構建個性化推薦系統具有先天性的優勢#65377;

多Agent系統(Multi-Agent Systems， MAS)是指一些自主的Agent通過協作共同完成某些任務的計算系統，側重于研究如何協調一組Agent的行為，即研究這組Agent為了聯合采取行動或求解某個復雜問題時，協調各自的知識#65380;目標#65380;策略和計劃等#65377;多Agent系統優于僅由單個Agent控制的系統，通過Agent間合作，多Agent系統不僅改善了每個Agent的基本能力，而且可以解決單個Agent無法解決的復雜問題#65377;

2 系統架構及總體流程

2. 1總體結構

智能導購系統的基本功能是:分析顧客以往的購買行為，建立表示顧客行為的模型，并利用模型模擬商店銷售人員向用戶提供商品推薦，幫助用戶找到所需商品，從而順利完成購買過程#65377;要完成商品導購，系統需要知道用戶的興趣#65380;偏好和訪問模式等信息#65377;在電子商務環境下，一方面商品的種類#65380;數量會不斷地增加，另一方面用戶的興趣#65380;瀏覽行為也都是動態變化的#65377;因此，個性化導購問題的求解過程應該是動態的，要具有較強的自適應性#65377;基于數據倉庫的特點及多Agent系統的思想，本文構建的基于數據挖掘的智能導購Agent系統結構如圖1所示#65377;

2. 2各子Agent的功能

2. 2. 1偏好獲取Agent

負責客戶偏好信息的獲取#65380;更新和維護#65377;獲取客戶偏好有兩種途徑，即被動獲取和主動獲取#65377;被動獲取是讓客戶填寫一份偏好信息表，系統將之規格化后存入偏好數據庫中;主動獲取就是指系統根據客戶的購買行為，主動捕捉客戶的行為傾向，依此修正偏好數據庫中現有的偏好#65377;因為不可能要求客戶每次購買都填寫偏好信息表，也不能保證客戶所填寫的信息準確可信#65377;因此偏好獲取應以主動獲取為主，被動獲取為輔[7]#65377;

2. 2. 2數據挖掘Agent

在客戶的偏好被獲取后，通過關聯規則#65380;決策樹#65380;神經網絡#65380;遺傳算法等方法，產生顧客訪問產品序列中的關聯規則#65380;客戶分類#65380;相似客戶群體等模式，隨時更新規則庫中的規則，為推薦Agent完成推薦任務提供依據，真正實現“個性化導購服務”#65377;

2. 2. 3數據清理Agent

一般采用離線方式進行，它的主要任務是對服務器的日志文件進行數據預處理#65377;數據預處理的主要步驟包括:數據凈化，用戶識別，用戶訪問操作識別，路徑完善和用戶事務模式識別并進行格式的轉換，建立和維護數據集市#65377;經過數據預處理后，可獲得用戶事務模式，并且生成每個用戶的事務模式文件，供數據挖掘Agent#65380;偏好獲取Agent及推薦Agent使用，為實現個性化導購任務提供必要的數據#65377;

2. 2. 4顧客界面Agent

用戶與系統交互的接口，主要職責為隨時捕獲登錄網站的顧客信息，并依據顧客的瀏覽或購買行為向推薦Agent發送推薦請求#65377;顧客界面Agent可以采用主動的或被動的執行方式#65377;主動執行方式是指及時地捕獲用戶瀏覽行為或購買行為的變化，一旦顧客的行為發生變化，采用URL重寫#65380;暫存Web服務器的日志文件等方法來獲取當前用戶訪問操作序列;被動方式是顧客可以和顧客界面Agent進行交互，由用戶提出搜索商品或需要推薦的要求，再由其通告推薦Agent為用戶提供推薦服務#65377;

2. 2. 5推薦Agent

主要任務是根據顧客的需求#65380;顧客偏好#65380;產品的規則，并采用一定的推薦策略與具體的推薦算法，為顧客提供個性化的產品推薦列表#65377;推薦Agent接受顧客界面Agent的請求，并管理#65380;指揮和協調其內部的數據挖掘Agent#65380;偏好獲取Agent協同工作，必要時會驅動數據挖掘Agent#65380;偏好分析Agent進行實時的分析，由這些Agent共同完成推薦任務，最后將推薦結果呈現給顧客#65377;同時，推薦Agent將推薦過程中所用的推薦算法#65380;規則#65380;推薦結果保存到推薦案例庫中，供下次推薦時再利用和自身的不斷學習之用#65377;

2. 2. 6營銷界面Agent

為營銷管理人員提供一個人機交互界面，通過該Agent可以為數據清理Agent#65380;數據挖掘Agent#65380;偏好獲取Agent#65380;推薦Agent設置相應的參數#65377;

3數據倉庫的構建

由于各用戶在地域上比較分散#65380;業務上相對獨立;在構成企業級DW時，實現難度和工作量都比較大，集成和數據抽取也相對困難;局部的即時OLAP應用頻繁等多方面的原因，在實施數據倉庫系統時，其體系結構可能與傳統的數據倉庫體系結構有一些差別#65377;

除在中心節點(總部)上創建全局DW之外，局部也需要獨立的或者依賴型的數據集市#65377;各部門除進行正常的OLTP之外，部門級在不同的分散OLTP DB之上構建局部的ODS(Operate Data Store)模型，完成局部的即時OLAP和OLTP功能;進而形成全局的ODS數據環境，實現全局即時OLAP和全局OLTP功能#65377;在此基礎上建立全局一致的數據倉庫，然后導出數據集市#65377;該數據倉庫的整體結構如圖2所示，需要指出的是，從各局部的ODS向全局ODS抽取數據時，往往需要經過遠程環境，在沒有專用網絡的情況下，通常借助于Internet實現數據傳遞#65377;

4 結束語

當前，導購行為已成為銷售行為之外的增值服務項目，隨著其專業化程度的深入，已出現作為第三方的信息“中介”，衍變成為一個新的經濟增長點#65377;隨著商品差異化之路越走越遠，市場導購將是一個時尚的#65380;必不可少的市場決策行為#65380;信息服務行為#65377;

本文以多層體系結構的數據倉庫為數據導購系統提供數據環境，在降低數據倉庫構建難度的同時提高了導購的速度;采用多Agent的軟件設計思想，構建了一個電子商務智能導購模型，由分工不同的智能體相互協作來完成推薦任務，從而使系統具有一定的智能性#65380;自主性和靈活性，解決了現有導購系統中存在的一些問題#65377;

主要參考文獻

[1] Guttman R H ， Moukas A G， Maes P. Agent-Mediated Electronic Commerce: A survey[J]. The Knowledge Engineering Review ，1998，13(2):147-159.

[2] Joachims T， Freitag D， Mitchell T. Web Watcher:A Tour Guide for the World Wide Web[C].Proceedings of the 15th International Joint Conference on Artificial Intelligence. Morgan Kaufmann Publishers，1997.

[3] Ngu D， Wu X. SiteHelper:A Localized Agent that Helps Incremental Exploration of the World Wide Web[C].Proceedings of the 6th International World Wide Web Conference， Santa Clara， California， USA，1997.

[4] Alan W， Maes P. Using History to Assist Information Browsing[C].Proc. of RIAO’97:Computer-assisted Information Retrieval on the Internet， Montreal，1997.

[5] 陳文偉. 數據倉庫與數據挖掘教程[M]. 北京:清華大學出版社，2006.

[6] Wooldr Idgem， Jenn Ings N R. Intelligent Agents:Theory and Practice[J].The Knowledge Engineering Review，1995，(2).

[7] 楊淑萍，聶哲.基于中間件技術的智能導購組件的設計與實現[J]. 計算機工程與設計，2006，27(17).