基于客戶評價的Agent辯論模型研究

王 燦，梁永全，劉悅

（1.山東科技大學，山東青島 266590；2.山東商業職業技術學院，山東 濟南 250103）

基于客戶評價的Agent辯論模型研究

王 燦1，梁永全1，劉悅2

（1.山東科技大學，山東青島 266590；2.山東商業職業技術學院，山東 濟南 250103）

電子商務爆炸式發展的今天，大家一直在研究是否存在有效方式方法能更好的幫助商務談判雙發更快的達成一致。買家評價已成為交易達成一致的主要影響因素。而基于辯論的Agent談判技術能夠發揮分布式、靈活性和自治性的特點提升動態環境下的談判效率。因此客戶評價可以作為是強化辯論效果的有效手段進行研究。文章提出了Agent客戶評價辯論模型，并對模型進行了描述和算法分析，并定義了了客戶評價辯論影響力，對其進行量化，最終通過算例對模型的效率進行論證。

辯論模型；Agent；辯論算法

“辯論”一詞期初出現在心理學和法學中，現在已經擴展到計算機相關研究領域，特別是在做出決策、決策支持、對話和協商等方面的研究中發揮著重要的作用[1-3]。在電子商務爆炸式發展的今天，大家一直在研究是否存在有效方式方法能更好的幫助商務談判雙發更快的達成一致，或是更有效的讓客戶找到對符合自己期望的產品。Agent技術憑借著分布式、靈活性和自治性的特點，一直以來都被作為商務談判的研究重點之一[4]。在Agent談判技術中融入辯論，是允許Agent在談判進程中提出結構化的論據來表示自己是否接受提議，當談判陷入僵局后，則去使用辯論方式來影響方對談判的偏好［4-7］。

電子商務發展到今天，不論是饑餓營銷還是小米的口碑營銷，都要通過買家評價重點關注客戶的需求，從而增加客戶的忠誠度和粘性。現今的電子商務平臺都沒有信譽評價系統，客戶評分成為了反映一個商城綜合實力和行業競爭實力的核心因素。由于電子商務線上沒有辦法進行商品體驗，其他客戶的使用評價成為了影響買家購買產品的主要因素。由于客戶評價累積后具有可信性、直觀性、信息受干擾小等特點，因此在Agent辯論中有必要作為重要的影響因子進行詳細討論。文獻[8]中研究了情感的決策過程和情感產生模型在談判過程中的作用，提出了使用情感推理規則輔助決策并產生對應的談判行為。文獻[9]證明了在談判中，對處于不同情感狀態的Agent它們的讓步幅度是完全不同的。文獻[10]中定義了口碑辯論力度，依據口碑辯論力度建立了Agent口碑辯論模型，并對辯論算法進行量化，使用量化后的公式計算結果對辯論效果進行評價。

通過上面文獻的分析可以發現，客戶評價作為影響電子商務成交的主要因素還沒有相關文獻研究它在Agent辯論過程中所起到的作用。因此，本文擬在文獻[10]的結構基礎研究客戶評價在Agent辯論中的作用和算法，提出Agent客戶評價辯論模型，并對其進行驗證。

1．Agent客戶評價辯論模型

1.1 模型描述

為更好的描述客戶評價辯論模型，先來研究一對買賣雙方 2個 Agent之間進行的辯論談判。假設賣方Agent s和買方Agent b雙方對前面談判階段的提議都無法達成一致，但買方購買產品愿望強烈，并且雙方的期望相差不大，使得談判進入了成交階段的僵局。為了打破談判的僵局，實現雙方意見一致，賣方Agent s首先向買方Agent b提出帶有辯論的提議，該提議中除了包含必須的辯論策略外，還給出了其他買方客戶對賣方Agent s的客戶評價，該辯論提議公式形式上可表示為:

公式中的各項表示含義見表1。

表 1 辯論提議公式各項的表示含義描述

1.2 模型的協商算法

上面模型中描述了當買賣Agent雙方在辯論談判中無法達成交易一致意見時，賣方Agent為了能夠賣出貨物，而給買方Agent提出了一個包含客戶評價的辯論提議，從而需求成交可能。但現實的電子商務交易中同一種產品會有很多的賣家為買家客戶提供不同的營銷策略，同時每個賣方也有著不同的客戶評價。因此前面描述的辯論模型在單買方和多賣方的一對多Agent辯論中同樣適用。

為了對辯論中論據的有效性進行表述，需要通過數學公式對該辯論進行量化，并通過結果進行分析比較。為減少研究的復雜性，重點去關注客戶評價在辯論中的作用，我們假定買方Agent b試圖尋求對產品P的購買，并與兩個賣方Agent s1，Agent s2正就該商品P進行交易。Agent s1，Agent s2的成交條件都沒有徹底打動Agent b的購買意愿，但Agent s1和Agent s2都還希望能與Agent b最終完成交易。在此我們規定Agent s1，Agent s2都采用辯論方式向Agent b提出辯論論據，論據中包含其他客戶對自己店中商品P的客戶評價。然后，Agent b在接受到Agent s1和Agent s2所提出的辯論論據后，要對該論據的效用做出比較和選擇。假定對于Agent b使用相同的方式來評價Agent s1和Agent s2的論據，因此只討論Agent b與Agent s1的辯論過程，同理就可以對Agent s2也進行相同的計算和評價。則Agent s1所提出的辯論總期望值計算公式為:

公式中的各項表示含義見表2。

表2 辯論總期望值計算公式各項的表示含義描述

公式中的表示為客戶評價辯論影響力，也是上面客戶評價辯論模型及算法的研究重點。首先要對Agent客戶評價辯論影響力給出以下的定義:

定義1客戶評價辯論影響力 在多Agent辯論處于僵局時，賣方Agent積極采用自己的客戶評價作為辯論的主要因素去試圖打動買方Agent與之成交，買方Agent為評價賣方辯論需對辯論中的客戶評價進行量化，并計算出的最終值稱為客戶評價辯論影響力。

以淘寶網為例，客戶對產品的評價主要有四個方面：寶貝與描述相符、賣家服務態度、賣家發貨速度、物流公司服務。因此的計算也以上面的四個因素為依據，計算公式如下:

(1)表示Agent b對Agent s1在寶貝與描述相符的客戶評價方面的評價值和相應的權重值;

(2)表示Agent b對Agent s1在賣家服務態度的客戶評價方面的評價值和相應的權重值;

(3)表示Agent b對Agent s1在賣家發貨速度的客戶評價方面的評價值和相應的權重值;

(4)表示Agent b對Agent s1在物流公司服務的客戶評價方面的評價值和相應的權重值;

對于客戶評價的每一個部分，若為正面評價則相應的評價值為正，若為負面評價則相應的評價值為負。如果客戶評價還需要考慮其他因素，同理可在算法公式中加入相對應的項。

2．算例分析

2.1 參數設定與計算

假設有兩個賣方Agent s1，Agent s2參與到與Agent b的辯論談判中，兩個賣方Agent可以提出獎勵和威脅的辯論策略，分別為折扣獎勵和優惠時間截止威脅；客戶評價辯論中包括寶貝與描述相符、賣家服務態度、賣家發貨速度、物流公司服務四個指標。算例中賣方自我表現期望值、賣方辯論策略期望值和賣方客戶評價辯論影響力的值為[-10,10]區間的整數，權重值為[0.1,1]區間的一位小數。

第一，分別給出Agent s1和Agent s2各項客戶評價指標對應的評價值和權重，見表3和表4。

表3 Agent s1對Agent b的客戶評價值及相應權重值

表4 Agent s2對Agent b的客戶評價值及相應權重值

那么，Agent s1對Agent b所提出辯論中的客戶評價辯論影響力為:

Agent s2對Agent b所提出辯論中的客戶評價辯論影響力為:

很明顯，賣家s2的客戶評價辯論影響力大于賣家s1。

第二，假定賣方的自身表現與該賣方在同一關鍵詞搜索后的首頁展現量相關；Agent b接收到Agent s1的辯論策略為折扣獎勵，接收到Agent s2辯論策略為優惠時間截止威脅，期望值和權重分別按照上面的數值區間要求給出，見表5和表6。

表5 Agent s1對Agent b的其他期望值及相應權重值

表6 Agent s2對Agent b的其他期望值及相應權重值

則Agent s1對Agent b所提出辯論的期望值為:

則Agent s2對Agent b所提出辯論的期望值為:

2.2 結果分析

可見，買家Agent b根據結果會認為Agent s2比Agent s1提出的客戶服務辯論的期望更能滿足自己的購買要求，因此會選擇與Agent s2完成交易。

3．結 語

本文在“單買方、多賣方”的電子商務辯論協商環境下，研究了參與協商的買方在賣方客戶評價的影響下如何建立辯論模型。該模型使用Agent技術模擬了人類在收到各種因素影響下的理性思維談判，計算公式簡單有效，且具有一定的通用性。本文雖然抓住了客戶評價在電子商務談判中所發揮的重要作用，但只是討論了一對多的情況下幾個指標對Agent辯論所產生的影響，還有很多問題需要進一步的考慮，例如：多對多模式下的算法，時間、資源等因素對客戶評價辯論模型的影響等。

[1]C.I.Chesnevar,A.G.Maguitman,and R.P.Loui, “Logical models of argument”,ACM Computing Surveys,vol.32,no.4, pp.337–383,2000.

[2]T.Bench-Capon and P.E.Dunne,“Argumentation in artificial intelligence”,Artificial Intelligence,no.171,pp.619–641,2007.

[3]I.Rahwan and P.McBurney,“Guest editors’introduction: Argumentation technology”,IEEE Intelligent Systems,vol.22, no.6,pp.21–23,2007.

[4]張哲，李敏波，陳光雨．基于規則引擎的電子采購逆向競拍的研究［J］.計算機工程與科學，2012，34(03):158－164．

[5]余文姣，黃夢醒，朱東海．基于改進規則引擎的農業知識推薦系統［J］．計算機工程與設計，2012，33(6):2295－2299．

[6]鄒正武，譚慶平，徐建軍．基于規則引擎的柔性工作流管理系統［J］．微電子學與計算機，2006，23(z1):127－129．

[7]龐偉正，金瑞琪，王成武．一種規則引擎的實現方法［J］．哈爾濱工程大學學報，2005，26(3):385－389．

[8]董學杰，蔣國瑞，黃梯云.多Agent自動談判情感決策模型研究［J］.運籌與管理，2014，23(2):133－138.

[9]Van Kleef G A，De Dreu C K W，Pietroni D，et al.Power and emotion in negotiation:power moderates the interpersonal effects of anger and happiness on concession making［J］．European Journal of Social Psychology，2006，36(4):557-581．[10]伍京華.Agent口碑辯論模型研究[J].計算機應用與軟件，2013，30(4):112-114.

編輯：馮惟榘

TP31

：A

：2095-7327（2015）-06-0030-03

王燦((1981-)，男，山東科技大學博士研究生，主要研究方向：人工智能、Agent技術。梁永全(1967-)，男，山東科技大學教授，博導，博士，主要研究方向：人工智能、知識工程、智能商務等。