CN105488711A - 基于多Agent的网络直销*** - Google Patents
基于多Agent的网络直销*** Download PDFInfo
- Publication number
- CN105488711A CN105488711A CN201510857359.5A CN201510857359A CN105488711A CN 105488711 A CN105488711 A CN 105488711A CN 201510857359 A CN201510857359 A CN 201510857359A CN 105488711 A CN105488711 A CN 105488711A
- Authority
- CN
- China
- Prior art keywords
- agent module
- concept
- module
- agent
- interest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0603—Catalogue ordering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0613—Third-party assisted
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于多Agent的网络直销***,包括:接口Agent模块、管理Agent模块、评价Agent模块、搜索Agent模块和采购Agent模块,其中,所述接口Agent模块,与所述管理Agent模块相耦接;所述管理Agent模块,分别与所述接口Agent模块、评价Agent模块、搜索Agent模块和采购Agent模块相耦接;所述评价Agent模块,与所述管理Agent模块相耦接;所述搜索Agent模块,与所述管理Agent模块相耦接;所述采购Agent模块,与所述管理Agent模块相耦接。传统的直销***应用架构并非多Agent型,本申请将多Agent技术的优势结合直销的商务行为,真实地模拟了现实中的直销网购行为,使得直销***较传统***更具主动灵活,自适应和可扩展等。
Description
技术领域
本发明涉及电子商务领域,具体地说,是涉及一种基于多Agent的网络直销***。
背景技术
MADMS是一种新型的、智能的网购***,运行在局域网环境中,是电子商务平台的一种。网络直销在教学实验中的应用,使得学生体验到不同的购物角色和直销的优势,这是本***的另一大特色。智能网络直销***(MADMS)归纳如下:
能够跟踪并捕获用户的浏览行为,如浏览URL序列、搜索关键字等,分析用户购买意向、兴趣喜好,形成具有统一数据格式的顾客需求信息;
结合顾客需求和商家信息,经搜索、评价、筛选为顾客推送TOP-N商品列表;并提供购买建议;
有安全的支付中心,包括数字认证、付款渠道和财务中心等,建立完备的虚拟电子货币管理机制。
建立便捷的物流配送体系,主要实现配送记录查询与管理;
个性化的售后服务中心,提供便捷的商家、顾客沟通渠道,以便顾客进行评价、咨询与商品退换,一对一的个性化服务,很好地体现了直销的特点;
为商家提供管理平台,实现信息管理,包括商品库存、销售业绩、信誉等级等。
但是现有技术中的智能网络直销***不是基于多Agent技术的,限制了其使用的主动性、灵活性和可扩展性。该***的特点是将Agent个体组织成AgentGroup,按照购物的角色形成三种AgentGroup:商家AgentGroup、顾客Agentgroup和中介服务机构。
发明内容
为解决上述技术问题,本发明提供了一种基于多Agent的网络直销***,包括:接口Agent模块、管理Agent模块、评价Agent模块、搜索Agent模块和采购Agent模块,其中,
所述接口Agent模块,与所述管理Agent模块相耦接,用于接收用户行为数据并发送至管理Agent模块;
所述管理Agent模块,分别与所述接口Agent模块、评价Agent模块、搜索Agent模块和采购Agent模块相耦接,用于接收所述接口Agent模块发送的用户行为数据处理,发送至所述评价Agent模块和采购Agent模块,并且发送搜索任务至所述搜索Agent模块,还接收所述搜索Agent模块推送的商品信息并发送至所述采购Agent模块;
所述评价Agent模块,与所述管理Agent模块相耦接,用于接收所述管理Agent模块发送的处理的用户行为数据,结合用户喜好、商家信誉和商品评价信息,生成带有评估建议的商品列表;
所述搜索Agent模块,与所述管理Agent模块相耦接,用于接收所述管理Agent模块发送的搜索任务,在本地商品库或网络数据库中进行信息检索,搜索出符合用户要求的商品列表,为所述评价Agent模块提供候选商品列表;
所述采购Agent模块,与所述管理Agent模块相耦接,用于接收所述管理Agent模块发送的商品信息,生成采购信息。
优选地,所述用户行为数据包括:浏览URL序列、搜索关键字、历史购买商品、加入收藏夹商品、web日志和注册信息。
优选地,所述搜索Agent模块,接收管理Agent模块发送的搜索任务,调用偏好和预测模型,计算出推荐内容发送至所述管理Agent模块。
优选地,所述偏好和预测模型,进一步地,按照以下方式计算:
定义1:用户行为记录集UR={recordn1≤n≤N},其中recordn=(irdfn,tn),irdfn表示用户行为所涉及到的资源的RDF文档,tn表示一个时间因子;
定义2:概念兴趣串Sq(ik)={ηkl1≤l≤Ll,ηkl∈F},其中F=fj1≤j≤J}为本体的所有概念集合,ηkl为资源ik的一个核心内容概念,Ll为资源ik的核心内容概念的数目,而概念兴趣串Sq(ik)彻F;
定义3:概念频繁兴趣簇Fq={ηn1≤n≤N,ηn∈F},其中F={fj1≤j≤J}为本体的所有概念集合,SQ={Sq(ik)1≤k≤K,Sq(ik)彻F}是概念兴趣串集,而由概念频繁兴趣簇组成了概念频繁兴趣簇集FQ;
定义4:推荐收敛性Rc={Fq(i,UR)1≤i≤N,UR->∞},其中Fq(i,UR)为当用户行为记录集趋向于无穷大的时候,用户兴趣模型中概念频繁兴趣簇的个数:
首先提取SQ中所有Sq(ik)的单个概念ηkl,形成互异的长度为1的1阶候选概念频繁模式集C1,其规模为C1,M,M为互异概念的总数,将每个Sq(ik)划分为长度为1的单概念兴趣串Sq(ηl),形成概念兴趣串集SQ1并逐个判断其概念兴趣串集中的支持度是否高于支持阈值Supmin,而生成1阶概念频繁模式集L1,并记录该概念频繁模式的重复次数,形成兴趣关注度;
根据j阶概念频繁模式集Lj生成j+1阶候选概念频繁模式集Cj+1,充分利用Apriori先验性质,用剪枝的方法缩小Cj+1的规模;
将每个Sq(ik)去除在Lj不支持支持阈值的概念,将剩余概念继续组合成为长度为j+1的概念兴趣串Sq(ηj+1),形成概念兴趣串集SQj+1,并逐个判断其概念兴趣串集中的支持度是否高于支持阈值Supmin,而生成j+1阶概念频繁模式集Lj+1,并记录该概念频繁模式的重复次数,形成兴趣关注度;
将所有阶的概念频繁模式集合并到一起形成整个概念频繁模式集∪M
j=1Lj。
优选地,所述的基于多Agent的网络直销***,还包括订单Agent模块、支付认证Agent模块、物流Agent模块和售后Agent模块,其中,
所述订单Agent模块,分别与所述采购Agent模块和支付认证Agent模块相耦接,用于接收商品信息并生成购买订单,将所述购买订单中的金额发送至支付认证Agent模块;
所述支付认证Agent模块,与所述订单Agent模块相耦接,用于接收订单Agent模块发送的金额信息,进行结算与安全监督指导用户完成支付,完成支付后将完成支付信息反馈至所述订单Agent模块。
优选地,所述的基于多Agent的网络直销***,还包括物流Agent模块和售后Agent模块,其中,
所述物流Agent模块,与所述订单Agent模块相耦接,用于当完成订单支付后实时跟踪与查询配送信息,所述配送信息显示配送成功后将配送记录发送至订单Agent模块;
所述售后Agent模块,与所述订单Agent模块相耦接,用于当完成商品配送后对商家及商品进行评价和反馈建议,所述售后Agent模块通过评价信息、交易记录对用户进行信誉评级。
与现有技术相比,本发明所述的基于多Agent的网络直销***,达到了如下效果:
传统的直销***应用架构并非多Agent型,本申请将多Agent技术的优势结合直销的商务行为,真实地模拟了现实中的直销网购行为,使得直销***较传统***更具主动灵活,自适应和可扩展等。
本申请在技术上和架构上是采用人工智能的领域多Agent协作技术,基于真实的数据和合理的预测模型、推荐算法,为购买用户群提供更加精准的商品推荐。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的网络直销***结构图;
图2为商品Agent工作结构图;
图3为直销Agent工作结构图;
图4为订单Agent内部模块图;
图5为本发明的网络直销***的工作流程图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。此外,“耦接”一词在此包含任何直接及间接的电性耦接手段。因此,若文中描述一第一装置耦接于一第二装置,则代表所述第一装置可直接电性耦接于所述第二装置,或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本发明的较佳实施方式,然所述描述乃以说明本发明的一般原则为目的,并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
以下结合附图对本发明作进一步详细说明,但不作为对本发明的限定。
实施例1:
结合图1,本申请提供了一种基于多Agent的网络直销***,包括:接口Agent模块101、管理Agent模块102、评价Agent模块105、搜索Agent模块104和采购Agent模块103。
所述接口Agent模块101,与所述管理Agent模块102相耦接,用于接收用户行为数据并发送至管理Agent模块102;所述用户行为数据包括:浏览URL序列、搜索关键字、历史购买商品、加入收藏夹商品、web日志和注册信息。
接口型Agent模块,用来与***用户交互信息,这里的用户是指购买者。通过采集顾客信息,如浏览URL序列、搜索关键字、历史购买商品、加入收藏夹商品、web日志和注册信息等,在已有预测模型、偏好分析算法等资源的基础上完成获取顾客需求、分析顾客兴趣、预测购买商品集等功能,得到不断更新的商品集列表。它是顾客需求输入和结果输出的“信息通道”。同时,用户可以配置该Agent,例如,当感兴趣的商品价格发生变化、新产品上市、客户满意度超过阈值时可发出提示信息。
接口Agent模块101搜集用户行为数据(包括浏览、购物车、收藏、购买、支付物流等)提交给管理Agent模块102。管理Agent模块102接受数据,存储、分析、分类,分配至搜索Agent模块104、评价Agent模块105和采购Agent模块103。搜索Agent接受浏览行为数据,如URl序列关键字等,调用偏好和预测模型,计算出推荐内容发送至管理Agent模块102;评价Agent模块105接受评价信息调用知识库反馈信息,通过发送至管理Agent模块102为接口Agent模块101提供售后服务,采购Agent模块103接受购物数据,向服务Agentgroup发送采购需求,并接受购物信息反馈管理Agent模块102。
所述管理Agent模块102,分别与所述接口Agent模块101、评价Agent模块105、搜索Agent模块104和采购Agent模块103相耦接,用于接收所述接口Agent模块101发送的用户行为数据处理,发送至所述评价Agent模块105和采购Agent模块103,并且发送搜索任务至所述搜索Agent模块104,还接收所述搜索Agent模块104推送的商品信息并发送至所述采购Agent模块103;
管理Agent模块102是AgentGroup中的管理者,主要职责是协调行为、任务分配和资源管理。对顾客的需求信息进行量化规整,分配搜索任务给搜索Agent,为评价Agent模块105提供数据和模型支持,协调管理Agents间的协商协作,保证***负载平衡;与***各数据库、知识模型库相关联,完成数据库读写、查询等操作,并保证数据库信息及时更新与保持一致性;对WebLog库内数据进行格式转换,形成数据集市,用以支持其它Agent学习。与接口Agent模块101、评价Agent模块105和采购Agent模块103连接,接受接口Agent的用户数据经过分析处理发送至评价Agent模块105和采购Agent模块103weblog与数据库\模型库\知识库一个单元,为其他模块发送调用请求提供服务。
所述评价Agent模块105,与所述管理Agent模块102相耦接,用于接收所述管理Agent模块102发送的处理的用户行为数据,结合用户喜好、商家信誉和商品评价信息,生成带有评估建议的商品列表;该模块载有AgentGroup中的核心任务,起着至关重要的作用。它是典型的服务型Agent,接收搜索Agent结果,结合用户偏好、商家信誉、商品评价等信息,在知识推理、模型评估、算法训练之后生成新的带有评估建议的商品列表,评估一般从用户满意度(好、一般、不好、很差)、商家信誉(高、中、低)、商品质量(很好、好、一般、差)等指标来确定。同时,商品列表随着搜索结果的不同而即时更新。
所述搜索Agent模块104,与所述管理Agent模块102相耦接,用于接收所述管理Agent模块102发送的搜索任务,在本地商品库或网络数据库中进行信息检索,搜索出符合用户要求的商品列表,为所述评价Agent模块105提供候选商品列表;这里的所述搜索Agent模块104,接收管理Agent模块102发送的搜索任务,调用偏好和预测模型,计算出推荐内容发送至所述管理Agent模块102。搜索Agent模块104的主要任务是接收搜索任务,从模型库中选取相应的搜索算法,在本地商品库中或网络数据库中进行信息检索,搜索出符合条件的商品列表,为评价Agent模块105提供候选商品集合。
所述采购Agent模块103,与所述管理Agent模块102相耦接,用于接收所述管理Agent模块102发送的商品信息,生成采购信息。该模块作为交易中介,向买方提供购买信息,向卖家提示发货准备。接收评价Agent模块105筛选出的候选商品集合,由购买决策机制生成购买建议,在管理Agent模块102协调下发送到顾客交互Agent模块,等待顾客做出购买决定;向商家Agent发出采购信息,提示其做好订单生成、支付和配送准备;当交易完成,将交易记录写入销售数据库。
所述偏好和预测模型,进一步地,按照以下方式计算:
定义1:用户行为记录集UR={recordn1≤n≤N},其中recordn=(irdfn,tn),irdfn表示用户行为所涉及到的资源的RDF文档,tn表示一个时间因子;
定义2:概念兴趣串Sq(ik)={ηkl1≤l≤Ll,ηkl∈F},其中F=fj1≤j≤J}为本体的所有概念集合,ηkl为资源ik的一个核心内容概念,Ll为资源ik的核心内容概念的数目,而概念兴趣串Sq(ik)彻F;
定义3:概念频繁兴趣簇Fq={ηn1≤n≤N,ηn∈F},其中F={fj1≤j≤J}为本体的所有概念集合,SQ={Sq(ik)1≤k≤K,Sq(ik)彻F}是概念兴趣串集,而由概念频繁兴趣簇组成了概念频繁兴趣簇集FQ;
定义4:推荐收敛性Rc={Fq(i,UR)1≤i≤N,UR->∞},其中Fq(i,UR)为当用户行为记录集趋向于无穷大的时候,用户兴趣模型中概念频繁兴趣簇的个数:
首先提取SQ中所有Sq(ik)的单个概念ηkl,形成互异的长度为1的1阶候选概念频繁模式集C1,其规模为C1,M,M为互异概念的总数,将每个Sq(ik)划分为长度为1的单概念兴趣串Sq(ηl),形成概念兴趣串集SQ1并逐个判断其概念兴趣串集中的支持度是否高于支持阈值Supmin,而生成1阶概念频繁模式集L1,并记录该概念频繁模式的重复次数,形成兴趣关注度;
根据j阶概念频繁模式集Lj生成j+1阶候选概念频繁模式集Cj+1,充分利用Apriori先验性质,用剪枝的方法缩小Cj+1的规模;
将每个Sq(ik)去除在Lj不支持支持阈值的概念,将剩余概念继续组合成为长度为j+1的概念兴趣串Sq(ηj+1),形成概念兴趣串集SQj+1,并逐个判断其概念兴趣串集中的支持度是否高于支持阈值Supmin,而生成j+1阶概念频繁模式集Lj+1,并记录该概念频繁模式的重复次数,形成兴趣关注度;
将所有阶的概念频繁模式集合并到一起形成整个概念频繁模式集∪M
j=1Lj。
本实施例中还包括订单Agent模块、支付认证Agent模块、物流Agent模块和售后Agent模块,其中,
所述订单Agent模块,分别与所述采购Agent模块103和支付认证Agent模块相耦接,用于接收商品信息并生成购买订单,将所述购买订单中的金额发送至支付认证Agent模块;
所述支付认证Agent模块,与所述订单Agent模块相耦接,用于接收订单Agent模块发送的金额信息,进行结算与安全监督指导用户完成支付,完成支付后将完成支付信息反馈至所述订单Agent模块。
本申请中还包括物流Agent模块和售后Agent模块,其中,
所述物流Agent模块,与所述订单Agent模块相耦接,用于当完成订单支付后实时跟踪与查询配送信息,配送信息显示配送成功后将配送记录发送至订单Agent模块;
所述售后Agent模块,与所述订单Agent模块相耦接,用于当完成商品配送后对商家及商品进行评价和反馈建议,所述售后Agent模块通过评价信息、交易记录对用户进行信誉评级。
实施例2:
本实施例为应用实施例,图2-图4分别为商品Agent工作结构图、直销Agent工作结构图和订单Agent内部模块图,后台服务器中的环境感知Agent通过接收来自用户界面Agent的注册和操作行为,,将信息通知事件检测模块,事件检测Agent根据事件类型和行为属性分别发送到信息发布Agent\库存Agent\销售统计Agent和分析模块等部分,进行事件处理,并通过商品\交易\知识\模型库取得处理结果,返回到界面Agent,同时记忆学习事件处理行为。智能网络直销***(MADMS):用户以顾客身份进入***,如果是游客状态,可以浏览、搜索、收藏***店铺或商品,阅览新闻信息,如果注册成为会员后可购买商品、下订单、信息咨询、享受售后服务、反馈评价等;用户以商家身份进入***,注册会员后进行商品上架、促销方案制定、商品分类及管理、商品直销等。
此***的主要工作流程图如图5所示,顾客登录***,***判断是否注册,如没有注册填写注册表单,登录成功后进行搜索\点击商品\浏览\收藏等行为,***分析用户行为数据,提供搜索推荐列表;通过分析评价数据,筛选出二级商品列表,推送给用户,如果用户形成订单信息,存入交易数据库,完成结算支付,当完成商品配送任务后,将配送记录存储至数据库,引导用户完成购物体验评价,***自动完成评价记录,具体如下:
顾客登录***,选择商品分类,浏览商品,或搜索目标店铺及商品,接口Agent模块(或顾客交互Agent模块)获取并分析顾客行为,获取需求信息并发送管理Agent模块,管理Agent模块分解搜索任务至各Agent,其中搜索Agent模块首先启动搜索引擎获取初级商品列表,评价Agent模块在此商品列表的基础上结合顾客偏好、商家等级等方面运用评价筛选机制评价得出二级商品列表,采购Agent模块接收评价结果启动购买决策机制分析得到购买建议及商品候选集推送顾客交互Agent模块,等待顾客做出最终购买决定。
顾客选取将要购买的商品,进入购买流程:采购Agent模块获取顾客交互Agent模块发来的购买要求,向商家Agent发出购买通知,商家Agent先派遣商品Agent查询库存,如有货,订单Agent模块下订单,支付认证Agent模块进行结算与安全监督并指导顾客完成购买支付,并将支付成功的消息发送商品Agent,使其向物流Agent模块发出配送请求。
商家为顾客完成商品配送后,顾客可以通过物流Agent随时跟踪与查询配送完成情况,当物流发送至顾客账户时本次配送成功,物流Agent自动记录配送记录,并将结果返回商家Agent,顾客收到商品,可以通过售后Agent对商家及商品进行评价与反馈建议,也可以为买家问题做出解答,所述售后Agent模块通过评价信息、交易记录为卖家和买家评价信誉等级。同时,买家可以通过直销Agent与买家交流咨询。
上述说明示出并描述了本发明的若干优选实施例,但如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (6)
1.一种基于多Agent的网络直销***,其特征在于,包括:接口Agent模块、管理Agent模块、评价Agent模块、搜索Agent模块和采购Agent模块,其中,
所述接口Agent模块,与所述管理Agent模块相耦接,用于接收用户行为数据并发送至管理Agent模块;
所述管理Agent模块,分别与所述接口Agent模块、评价Agent模块、搜索Agent模块和采购Agent模块相耦接,用于接收所述接口Agent模块发送的用户行为数据处理,发送至所述评价Agent模块和采购Agent模块,并且发送搜索任务至所述搜索Agent模块,还接收所述搜索Agent模块推送的商品信息并发送至所述采购Agent模块;
所述评价Agent模块,与所述管理Agent模块相耦接,用于接收所述管理Agent模块发送的处理的用户行为数据,结合用户喜好、商家信誉和商品评价信息,生成带有评估建议的商品列表;
所述搜索Agent模块,与所述管理Agent模块相耦接,用于接收所述管理Agent模块发送的搜索任务,在本地商品库或网络数据库中进行信息检索,搜索出符合用户要求的商品列表,为所述评价Agent模块提供候选商品列表;
所述采购Agent模块,与所述管理Agent模块相耦接,用于接收所述管理Agent模块发送的商品信息,生成采购信息。
2.根据权利要求1所述的基于多Agent的网络直销***,其特征在于,所述用户行为数据包括:浏览URL序列、搜索关键字、历史购买商品、加入收藏夹商品、web日志和注册信息。
3.根据权利要求1所述的基于多Agent的网络直销***,其特征在于,所述搜索Agent模块,接收管理Agent模块发送的搜索任务,调用偏好和预测模型,计算出推荐内容发送至所述管理Agent模块。
4.根据权利要求3所述的基于多Agent的网络直销***,其特征在于,所述偏好和预测模型,进一步地,按照以下方式计算:
定义1:用户行为记录集UR={recordn1≤n≤N},其中recordn=(irdfn,tn),irdfn表示用户行为所涉及到的资源的RDF文档,tn表示一个时间因子;
定义2:概念兴趣串Sq(ik)={ηkl1≤l≤Ll,ηkl∈F},其中F=fj1≤j≤J}为本体的所有概念集合,ηkl为资源ik的一个核心内容概念,Ll为资源ik的核心内容概念的数目,而概念兴趣串Sq(ik)彻F;
定义3:概念频繁兴趣簇Fq={ηn1≤n≤N,ηn∈F},其中F={fj1≤j≤J}为本体的所有概念集合,SQ={Sq(ik)1≤k≤K,Sq(ik)彻F}是概念兴趣串集,而由概念频繁兴趣簇组成了概念频繁兴趣簇集FQ;
定义4:推荐收敛性Rc={Fq(i,UR)1≤i≤N,UR->∞},其中Fq(i,UR)为当用户行为记录集趋向于无穷大的时候,用户兴趣模型中概念频繁兴趣簇的个数:
首先提取SQ中所有Sq(ik)的单个概念ηkl,形成互异的长度为1的1阶候选概念频繁模式集C1,其规模为C1,M,M为互异概念的总数,将每个Sq(ik)划分为长度为1的单概念兴趣串Sq(ηl),形成概念兴趣串集SQ1并逐个判断其概念兴趣串集中的支持度是否高于支持阈值Supmin,而生成1阶概念频繁模式集L1,并记录该概念频繁模式的重复次数,形成兴趣关注度;
根据j阶概念频繁模式集Lj生成j+1阶候选概念频繁模式集Cj+1,充分利用Apriori先验性质,用剪枝的方法缩小Cj+1的规模;
将每个Sq(ik)去除在Lj不支持支持阈值的概念,将剩余概念继续组合成为长度为j+1的概念兴趣串Sq(ηj+1),形成概念兴趣串集SQj+1,并逐个判断其概念兴趣串集中的支持度是否高于支持阈值Supmin,而生成j+1阶概念频繁模式集Lj+1,并记录该概念频繁模式的重复次数,形成兴趣关注度;
将所有阶的概念频繁模式集合并到一起形成整个概念频繁模式集∪M
j=1Lj。
5.根据权利要求1所述的基于多Agent的网络直销***,其特征在于,还包括订单Agent模块、支付认证Agent模块、物流Agent模块和售后Agent模块,其中,
所述订单Agent模块,分别与所述采购Agent模块和支付认证Agent模块相耦接,用于接收商品信息并生成购买订单,将所述购买订单中的金额发送至支付认证Agent模块;
所述支付认证Agent模块,与所述订单Agent模块相耦接,用于接收订单Agent模块发送的金额信息,进行结算与安全监督指导用户完成支付,完成支付后将完成支付信息反馈至所述订单Agent模块。
6.根据权利要求5所述的基于多Agent的网络直销***,其特征在于,还包括物流Agent模块和售后Agent模块,其中,
所述物流Agent模块,与所述订单Agent模块相耦接,用于当完成订单支付后实时跟踪与查询配送信息,所述配送信息显示配送成功后将配送记录发送至订单Agent模块;
所述售后Agent模块,与所述订单Agent模块相耦接,用于当完成商品配送后对商家及商品进行评价和反馈建议,所述售后Agent模块通过评价信息、交易记录对用户进行信誉评级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510857359.5A CN105488711A (zh) | 2015-11-30 | 2015-11-30 | 基于多Agent的网络直销*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510857359.5A CN105488711A (zh) | 2015-11-30 | 2015-11-30 | 基于多Agent的网络直销*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105488711A true CN105488711A (zh) | 2016-04-13 |
Family
ID=55675676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510857359.5A Pending CN105488711A (zh) | 2015-11-30 | 2015-11-30 | 基于多Agent的网络直销*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105488711A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845790A (zh) * | 2016-12-27 | 2017-06-13 | 合肥城市云数据中心股份有限公司 | 一种基于单业务***内多Agent技术的本地业务***及其本地业务访问方法 |
CN107301581A (zh) * | 2017-05-17 | 2017-10-27 | 柳州易达科技有限公司 | 一种商品信息咨询服务及销售*** |
WO2017193728A1 (zh) * | 2016-05-07 | 2017-11-16 | 王勇 | 一种基于移动终端的信息有偿互动***和方法 |
CN107358509A (zh) * | 2017-07-18 | 2017-11-17 | 卒子科技(深圳)有限公司 | 一种交易的方法和交易*** |
CN107392703A (zh) * | 2017-07-11 | 2017-11-24 | 网易无尾熊(杭州)科技有限公司 | 一种确定预采购商品的方法、设备和服务器 |
CN107424045A (zh) * | 2017-06-28 | 2017-12-01 | 北京惠赢天下网络技术有限公司 | 一种推荐商品的订单生成方法、装置及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609870A (zh) * | 2012-02-03 | 2012-07-25 | 陈晓亮 | 一种电子商务撮合交易***及方法 |
CN104835057A (zh) * | 2015-04-02 | 2015-08-12 | 百度在线网络技术(北京)有限公司 | 一种获取网络用户的消费特征信息的方法及装置 |
CN104992352A (zh) * | 2015-07-10 | 2015-10-21 | 安徽新华传媒股份有限公司 | 一种个性化资源检索方法 |
-
2015
- 2015-11-30 CN CN201510857359.5A patent/CN105488711A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609870A (zh) * | 2012-02-03 | 2012-07-25 | 陈晓亮 | 一种电子商务撮合交易***及方法 |
CN104835057A (zh) * | 2015-04-02 | 2015-08-12 | 百度在线网络技术(北京)有限公司 | 一种获取网络用户的消费特征信息的方法及装置 |
CN104992352A (zh) * | 2015-07-10 | 2015-10-21 | 安徽新华传媒股份有限公司 | 一种个性化资源检索方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017193728A1 (zh) * | 2016-05-07 | 2017-11-16 | 王勇 | 一种基于移动终端的信息有偿互动***和方法 |
CN106845790A (zh) * | 2016-12-27 | 2017-06-13 | 合肥城市云数据中心股份有限公司 | 一种基于单业务***内多Agent技术的本地业务***及其本地业务访问方法 |
CN107301581A (zh) * | 2017-05-17 | 2017-10-27 | 柳州易达科技有限公司 | 一种商品信息咨询服务及销售*** |
CN107424045A (zh) * | 2017-06-28 | 2017-12-01 | 北京惠赢天下网络技术有限公司 | 一种推荐商品的订单生成方法、装置及*** |
CN107392703A (zh) * | 2017-07-11 | 2017-11-24 | 网易无尾熊(杭州)科技有限公司 | 一种确定预采购商品的方法、设备和服务器 |
CN107358509A (zh) * | 2017-07-18 | 2017-11-17 | 卒子科技(深圳)有限公司 | 一种交易的方法和交易*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034915B (zh) | 一种可应用数字资产或积分作为交易媒介的人工智能型电子商务*** | |
Cho et al. | Exploring factors that affect usefulness, ease of use, trust, and purchase intention in the online environment | |
CN105488711A (zh) | 基于多Agent的网络直销*** | |
KR102297669B1 (ko) | 제조사 및 유통사 간 연결을 위한 매칭 서비스 제공 시스템 | |
Williams et al. | Positioning through B2B carrier signals: Understanding how service quality is communicated via websites | |
Yu | A web-based consumer-oriented intelligent decision support system for personalized e-services | |
CN115809926A (zh) | 汇聚多种分销渠道联盟资源的创新联盟分销合作交易平台 | |
KR20020072939A (ko) | 인터넷 쇼핑 에이전트에서의 다이알로그 마이닝 기법을이용한 개인화된 구매의사결정 지원과 마케팅 정보 추출방법 | |
Bozorgkhou et al. | Studying and investigating the impact of marketing mix factors on e-purchase via smart phones (case study: Digikala corporation) | |
US20200202403A1 (en) | Distribution service providing method connecting initial provider and buyer via mid-distribution man | |
Liu | e‐Commerce Personalized Recommendation Based on Machine Learning Technology | |
Raghavan et al. | Object-oriented design of a distributed agent-based framework for e-Procurement | |
Wei et al. | Online shopping behavior analysis for smart business using big data analytics and blockchain security | |
Keikha et al. | Designing two-dimensional electronic business-to-consumer models’ map by Fuzzy Delphi Panel | |
Kumar et al. | The application of artificial intelligence in electronic commerce | |
Li et al. | Impact of data-driven online financial consumption on supply chain services | |
Heinemann | B2B ECommerce: Basics, Business Models and Best Practices in Business-to-Business Online Trade | |
CN107209897A (zh) | 处理和分析用户数据以便确定关键词质量 | |
Aarthi et al. | Chatbot for retail shop evaluation | |
Titiyal et al. | E-fulfillment across product type: a review of literature (2000–2020) | |
CN102024221A (zh) | 即时互动式网络物品交易方法 | |
KR102394221B1 (ko) | 온라인 벤더 운영 플랫폼 | |
Bediako | The application of Big Data Analytics in improving eCommerce processes. The Retail sector user experience | |
Wibawa et al. | The Effect of Expectancy, Satisfaction of Product Attributes and System Attributes in Repurchasing Online | |
Apriliani et al. | Analysis and Design of Korea Merchandise Sales System (Case Study in Sueweetiesid) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160413 |
|
RJ01 | Rejection of invention patent application after publication |