基于MAS的個(gè)性化信息檢索系統(tǒng)的設(shè)計(jì)

1 引 言
    Web信息的迅速增長(zhǎng)造成信息過(guò)載，用戶查找信息需借助搜索引擎，而搜索引擎提供的服務(wù)卻難以令人滿意。一方面由于用戶和系統(tǒng)的交互性差，用戶清楚自己的信息需求特征卻無(wú)法描述，另一方面由于搜索引擎自身特性，無(wú)法過(guò)濾與用戶無(wú)關(guān)的文檔。
    本文希望采用網(wǎng)絡(luò)智能思想，通過(guò)多智能代理技術(shù)，結(jié)合用戶的基本信息和動(dòng)態(tài)信息建立用戶模型和用戶群模型，運(yùn)用信息檢索和數(shù)據(jù)挖掘技術(shù)，建立了一個(gè)個(gè)性化信息檢索模型。結(jié)合智能體的思想，通過(guò)某種方式完成信息查找、過(guò)濾和調(diào)整。使得系統(tǒng)具有靈活性、智能性和擴(kuò)充性。

2 Agent技術(shù)
    Agent是一個(gè)實(shí)體，具有一定的知識(shí)，并能夠針對(duì)特定目標(biāo)有效地運(yùn)用知識(shí)求解問(wèn)題，具有自主性、交互性、適應(yīng)性、進(jìn)化性、可通信性、理性等特性。每個(gè)Agent會(huì)觀察用戶的動(dòng)作，主動(dòng)提供處理環(huán)境所需技術(shù)，根據(jù)用戶反饋不斷更新檢索結(jié)果，為實(shí)現(xiàn)Web信息檢索智能化提供了有力支持。
    多Agent是指具有不同目標(biāo)的多個(gè)Agent對(duì)其目標(biāo)、資源等進(jìn)行合理的安排，以協(xié)調(diào)各自行為，最大程度地實(shí)現(xiàn)各自的目標(biāo)，它由多個(gè)Agent組成，每個(gè)Agent又是一個(gè)自治計(jì)算實(shí)體，具有目標(biāo)、知識(shí)、能力。多Agent適應(yīng)個(gè)性化信息檢索處理環(huán)境所需的靈活性的特點(diǎn)，可以在Web上建立能夠完成相應(yīng)功能的Agent，通過(guò)學(xué)習(xí)不斷適應(yīng)調(diào)整并通過(guò)交互相互通信合作，協(xié)助用戶準(zhǔn)確、有效地獲取信息。
    智能代理技術(shù)，主要是指具有智能性，可支持高級(jí)、復(fù)雜自動(dòng)處理代理軟件技術(shù)，并能夠按照設(shè)計(jì)者指示要求獨(dú)立收集信息并在再次過(guò)程中自我學(xué)習(xí)，具有自動(dòng)性，目標(biāo)驅(qū)動(dòng)性。連續(xù)性和能動(dòng)性等特點(diǎn)，可以在較高的程度上去分辨識(shí)別、理解與應(yīng)用其用戶的需求及其特征。智能代理技術(shù)為Internet上自動(dòng)的信息收集提供框架?；诖斯δ芴匦?，通過(guò)對(duì)相關(guān)應(yīng)用和系統(tǒng)的分析，提出了一個(gè)基于MAS的實(shí)現(xiàn)框架。
    個(gè)性化信息檢索是指根據(jù)用戶的興趣和特點(diǎn)進(jìn)行檢索，返回與用戶需求相關(guān)的檢索結(jié)果。一般檢索過(guò)程：首先用戶輸入查詢(xún)請(qǐng)求，然后搜索引擎搜索文檔，并將搜索結(jié)果返回給用戶，最后用戶查看相關(guān)文檔或者修改查詢(xún)請(qǐng)求。查看相關(guān)文檔或者修改查詢(xún)請(qǐng)求是用戶對(duì)檢索信息的反饋，能夠反映用戶信息需求及其變化。通過(guò)反饋信息，實(shí)現(xiàn)用戶個(gè)人Agent和用戶群Agent的模型更新，完成個(gè)性化過(guò)濾和協(xié)作式推薦2部分功能，因此用戶個(gè)人Agent和用戶群Agent是系統(tǒng)的核心。圖1表示該個(gè)性化信息檢索模型框架結(jié)構(gòu)。
    下面對(duì)用戶個(gè)人Agent、用戶群Agent、推薦Agent、過(guò)濾Agent功能模塊在實(shí)現(xiàn)機(jī)制上進(jìn)行分析說(shuō)明。
2．1 用戶個(gè)人Agent
    用戶模型的表示采用向量空間模型的方法，將用戶模型表示成一個(gè)n維特征向量：

向量的每一維由一個(gè)關(guān)鍵詞及其權(quán)重組成。權(quán)重表示用戶是否對(duì)某個(gè)概念感興趣以及感興趣的程度，文檔模型表示成為一個(gè)n維特征向量：

向量的每一維由一個(gè)關(guān)鍵字及其權(quán)重組成。tj表示文檔中的關(guān)鍵字j，wji表示關(guān)鍵字j在文檔i中的權(quán)重。這種方法有利于表達(dá)概念在不同用戶模型中的重要程度，而且有利于后續(xù)階段匹配任務(wù)。用戶模型的更新采用動(dòng)態(tài)信息增補(bǔ)技術(shù)，動(dòng)態(tài)信息增補(bǔ)對(duì)反饋過(guò)濾的信息加入到用戶模型后調(diào)整各向量的權(quán)重，與用戶無(wú)關(guān)的特征向量隨著權(quán)值的減小從模型中被刪除。

2．2 用尸群Agent
    用戶群Agent的建立采用聚類(lèi)技術(shù)。聚類(lèi)是將具有相同特征的項(xiàng)目和用戶分類(lèi)，用于建立用戶綜合模型。該聚類(lèi)為個(gè)體和類(lèi)之間的聚類(lèi)而不是個(gè)體之間的聚類(lèi)。用戶模型表示成1個(gè)n維特征向量：ui={(t1，w1)，(t2,w2)，…，(tn,wn)}，用余弦公式計(jì)算用戶和類(lèi)的相關(guān)度。用戶聚類(lèi)采用關(guān)鍵詞匹配法，根據(jù)需要設(shè)定閥值ε，當(dāng)用戶和類(lèi)之間相似度大于ε時(shí)，說(shuō)明用戶屬于該類(lèi)，興趣相同。用戶群Agent更新算法為用戶群模型的更新為追蹤推薦模型中符合要求的關(guān)聯(lián)文檔點(diǎn)擊次數(shù)，隨著點(diǎn)擊次數(shù)的增加，推薦用戶的個(gè)人Agent的權(quán)重增加。
2．3 查詢(xún)Agent
    查詢(xún)Agent一方面負(fù)責(zé)用戶Agent查詢(xún)引導(dǎo)，另一方面接受用戶群Agent的查詢(xún)擴(kuò)展。
    用戶個(gè)人Agent查詢(xún)引導(dǎo)，將用戶特征模型的向量根據(jù)反饋信息提取用戶查詢(xún)結(jié)果的有關(guān)信息和無(wú)關(guān)信息，將其特征向量加入模型作為調(diào)節(jié)因子，其調(diào)節(jié)因子為布爾值，表示用戶是否感興趣，從而引導(dǎo)用戶查詢(xún)，修改查詢(xún)中的關(guān)鍵詞的權(quán)重。
    用戶群Agent的查詢(xún)擴(kuò)展，用戶個(gè)人Agent記錄用戶資源列表，在用戶聚類(lèi)基礎(chǔ)上查詢(xún)，查詢(xún)資源聚類(lèi)形成類(lèi)資源，將類(lèi)名表給用戶反饋過(guò)濾得到相關(guān)類(lèi)名表，查詢(xún)Agent根據(jù)相關(guān)類(lèi)名表，更新查詢(xún)特征向量，進(jìn)行擴(kuò)展查詢(xún)，查看點(diǎn)擊興趣Agent的資源列表。
2．4 過(guò)濾Agent
    用戶模型和過(guò)濾文本的匹配包括2方面：用戶個(gè)人Agent過(guò)濾和用戶群Agent過(guò)濾。用戶個(gè)人Agent使用關(guān)鍵詞匹配法，使用tf—idf計(jì)算權(quán)重值，然后用余弦公式計(jì)算內(nèi)容相關(guān)度。根據(jù)需要設(shè)定閥值ε，當(dāng)文檔d和主題q之間相似度大于ε時(shí)，說(shuō)明內(nèi)容符合主題，是用戶需要的文檔。

用戶群Agent過(guò)濾采用基于用戶一項(xiàng)目評(píng)價(jià)矩陣的表示法。用一個(gè)Rmxn矩陣來(lái)表示用戶模型。其中m為系統(tǒng)用戶數(shù)；n為項(xiàng)目數(shù)。矩陣中的每個(gè)元素rij表示了用戶i對(duì)項(xiàng)目j的評(píng)價(jià)，一般是某個(gè)實(shí)數(shù)范圍內(nèi)的整數(shù)值。通常值越大，表示用戶對(duì)相應(yīng)項(xiàng)目的偏好程度越高?？赵刂当硎居脩魶](méi)有對(duì)相應(yīng)的項(xiàng)目做出評(píng)價(jià)。采用這種表示方法的系統(tǒng)多是基于協(xié)同過(guò)濾的推薦系統(tǒng)。這種表示方法簡(jiǎn)單、直觀，不需要任何學(xué)習(xí)技術(shù)就能夠從收集的原始數(shù)據(jù)(顯性的用戶評(píng)價(jià)數(shù)據(jù))中直接生成。
2．5 推薦Agent
    推薦Agent主要負(fù)責(zé)推薦關(guān)聯(lián)文檔，并更新用戶群Agent模型。查詢(xún)一個(gè)n維特征向量{(t1，w1)，(t2,w2)，…，(tn,wn))，文檔模型為一個(gè)n維特征向量：di={<t1,w1i>，<t2,w2i>…<tj,wji>…<tn,wni>)，推薦模型中個(gè)人模型為M={d1，d2，…，dm)，則推薦模型中關(guān)鍵詞在推薦群中單個(gè)用戶的權(quán)值為：

 其中，Hti表示關(guān)于ti個(gè)體推薦文檔被點(diǎn)擊的次數(shù)；∑Hti表示關(guān)于ti個(gè)體推薦文檔被點(diǎn)擊的次數(shù)。
    個(gè)體的推薦度為：

    R=*A    (4)
    根據(jù)權(quán)值推薦匯集集合排序，并將和用戶有較高相關(guān)度的前N個(gè)文檔呈現(xiàn)給用戶。

3 系統(tǒng)功能流程分析
    該系統(tǒng)的個(gè)性化信息搜索分為個(gè)性化過(guò)濾是通過(guò)建立用戶個(gè)人Agent進(jìn)行過(guò)濾，而協(xié)作式推薦通過(guò)建立用戶群Agent進(jìn)行推薦。
    個(gè)性化過(guò)濾過(guò)程個(gè)性化過(guò)濾流程如圖2所示，首先通信Agent將反饋信息發(fā)送給用戶監(jiān)控Agent，用戶監(jiān)控Agent抽取反饋信息中的行為信息，然后結(jié)合用戶注冊(cè)Agent的基本信息和用戶監(jiān)控Agent的顯性信息，用戶個(gè)人Agent用向量空間模型法提取特征建立模型，最后過(guò)濾Agent用關(guān)鍵詞匹配方法將個(gè)人特征向量和搜索文檔進(jìn)行匹配過(guò)濾得到個(gè)性化查詢(xún)結(jié)果。

    協(xié)作式推薦過(guò)程協(xié)作式推薦流程如圖2所示，首先在用戶聚類(lèi)的基礎(chǔ)上，查詢(xún)特征向量發(fā)布到類(lèi)中各個(gè)成員、各個(gè)成員查詢(xún)資源列表；將查詢(xún)資源匯集，然后聚類(lèi)資源，形成類(lèi)資源；將類(lèi)名表發(fā)送給用戶，反饋相關(guān)類(lèi)名；最后在類(lèi)資源中提取相關(guān)類(lèi)資源，經(jīng)過(guò)推薦過(guò)濾，形成查看資源。過(guò)程如圖3所示：

4 模型特點(diǎn)
    (1)該模型采用多智能體技術(shù)，使得各個(gè)部分自主學(xué)習(xí)、相互協(xié)調(diào)；使得個(gè)性化信息檢索中的數(shù)據(jù)收集，模型表示、模型的學(xué)習(xí)和模型的更新中功能能夠由其中多個(gè)Agent更好地協(xié)調(diào)補(bǔ)充完成，使各個(gè)過(guò)程具有智能化特點(diǎn)。
    (2)充分挖掘用戶的信息需求，用戶注冊(cè)Agent主要負(fù)責(zé)顯性信息的獲得處理，記錄用戶的基本信息和用戶資源列表、用戶直接參與、簡(jiǎn)單直接。用戶監(jiān)控Agent主要負(fù)責(zé)隱性信息獲得處理，記錄用戶的動(dòng)態(tài)信息，在不影響用戶活動(dòng)的前提下動(dòng)態(tài)實(shí)時(shí)獲得最新信息。
    (3)采用C／S框架結(jié)構(gòu)，通信模塊介于之間，負(fù)責(zé)信息交互，個(gè)人用戶建模在客戶端代理執(zhí)行，可以保護(hù)用戶的隱私，用戶聚類(lèi)與合作在服務(wù)器端代理實(shí)現(xiàn)，可以在充分保護(hù)個(gè)人隱私的前提下，實(shí)現(xiàn)信息資源共享，提高Web信息的覆蓋率。
    (4)建模技術(shù)的使用，一方面利用個(gè)人模型引導(dǎo)用戶提問(wèn)，過(guò)濾檢索結(jié)果，使檢索更符合個(gè)性化要求；另一方面充分利用群用戶的信息，在合作的基礎(chǔ)上，得到和用戶請(qǐng)求相關(guān)的推薦結(jié)果，查詢(xún)擴(kuò)展，實(shí)現(xiàn)資源共享。

5 結(jié) 語(yǔ)
    該個(gè)性化信息檢索模型提出多智能體的框架結(jié)構(gòu)，運(yùn)用用戶建模和群建模技術(shù)，使兩者相互結(jié)合，相互補(bǔ)充，既注重用戶的個(gè)性，過(guò)濾無(wú)關(guān)內(nèi)容，又發(fā)揮合作作用i共享相關(guān)內(nèi)容，實(shí)現(xiàn)了信息檢索的個(gè)性化、智能化。