韩海雯，郑伟平

（1.华南师范大学经济与管理学院，广东 广州 510631；2.华南理工大学计算机系统研究所，广东 广州 510631；3.华南师范大学计算机学院，广东 广州 510631）

0 引言

近年来引起理论界广泛重视的自动协商系统研究，主要采用协商智能体模拟真实协商个体的各种协商行为，改善协商流程，提高协商效率，有效达成协商结果.目前关于自动协商系统理论研究已经取得一系列成果，包括关于协商智能体认知模型中的知识获取和偏好表达方法，协商过程中的协商协议和协商策略设计等［1－4］.综观中外文献，尚无学者专注B2C自动协商模型构建研究.因此，本文尝试从以下两个方面展开构建B2C交易自动协商模型的理论研究工作：（1）研究B2C交易主体的特点，发展协商智能体认知模型；（2）研究B2C交易协商过程的特点，设计协商策略与协商交互流程.

B2C交易的分散性和交易对象的临时性决定了协商智能体认知模型偏重于协商双方的偏好表达及相应的商品效用评估.基于商家的逐利行为，卖方主体偏好及效用评估可直接通过商品价格计算；而作为商品最终持有者的买方，其偏好则取决于主观感受，包括主观需要被满足的程度以及对商品限制的忍受程度.文献研究表明，应用模糊约束理论，可通过模糊约束集合表达买方对商品各属性的主观需求，并进一步应用带优先级的模糊约束满足理论（PFCSP）评估协商对手的提议，适合在B2C交易中用于表达买方偏好［5－7］.但模糊约束理论不能表达买方主观上对商品附带限制条件的忍受程度，因此本文设计的买方认知模型由需求模型和商品限制模型两部分组成，其中需求模型基于PFCSP描述商品对买方主观需求的满足程度，商品限制模型则反映买方对商品各种限制的忍受程度.

B2C交易协商过程中，卖方注重利润最大化，买方则希望用最小代价获取满足程度最高的商品，双方存在竞争关系.但同时双方也存在着合作关系，表现为占有优势市场信息的卖方基于同质商品的可替代性，必然会尽量满足拥有交易主动权的买方的各种需求.因此，B2C自动协商交互流程与协商策略的设计目标是平衡协商双方的竞争与合作关系，以使协商结果达到帕累特最优.从这一设计目标出发，本文综合比较了基于博弈论的方法、辩论的方法和启发式方法等各种自动协商流程和策略的经典设计理论［8－12］，结合基于辩论的方法中通过提供论据影响对方协商偏好和启发式方法中在保证己方效用的前提下尽量满足对方偏好的思想，通过保证买方基本利益、尽量减少双方披露信息以及为卖方提供充分的劝说机会等各种手段，推动协商结果达至帕累特最优.

1 双方认知模型

研究双方认知模型的目的，是通过为B2C交易双方对商品的偏好进行数学建模，实现自动化评估商品效用.

1.1 买方的认知模型KD

KD＝（C，B，τ）是买方的认知模型，分别从买方对商品的满意程度、买方对商品限制的忍受程度和可接受度阀值三个方面全面反映买方的主观立场.

在以上各参数基础上，给出计算公式，总体权衡各项约束满足度及其受重视程度，量化表达出买方对具体商品的主观总评价，称为全局满足度.在文献［6］的研究中给出以下计算全局满足度α的公式：

（2）B＝｛F，t｝是商品限制模型，描述商品的各种限制（如某类食品的有效期，某类紧缺商品如小汽车等货期）给买方带来的不便程度.其中：F＝｛fi｜i＝1，2，…，n｝是一个原始命题集合，描述商品的各种限制；t：F→［0，1］是命题的真度函数；t（fi）描述单个限制对买方造成的不便程度；c（t（f1），…，t（fn））是多个限制对买方造成的不便程度；β＝1－c（t（f1），…，t（fn））是买方对各种不便的忍受程度.

（3）τ是可接受度阀值，用于决定商品能否成为可行解.综合考虑买方对商品gi的全局满足度α和忍受程度β，买方的最终综合评分为acceptability（gi）＝min｛α，β｝.此值不小于τ是买方愿意接受gi为协商解的最低条件.

1.2 卖方的认知模型G

G＝｛gi｜gi＝（ci，ui，pi），pi＝（vi1，vi2，…，vin），0≤i≤k｝是卖方对在卖商品情况的描述.其中：pi是对商品gi各属性的描述，如型号、规格、颜色、生产日期、保质期、价格等；ci是商品gi对买方的限制集合，如必须搭配购买等；ui是以某个价格买下商品gi后卖方得到的收益.

2 双方协商模型

认知模型为B2C交易双方提供了自动化评估对方提议的工具，协商模型则围绕认知模型展开特定的自动化协商过程，由协商交互接口、协商策略和协商交互流程组成.

2.1 协商交互接口

协商交互接口定义了双方交换的提议格式.

本刊讯 2016年4月9日至11日，由中国教师报主办、湖北省武汉市中小学教师继续教育中心等单位协办的第二届全国名师工作室建设博览会在武汉成功举办。中国教育报刊社副社长雷振海、中国教师报总编辑刘华蓉、武汉市中小学教师继续教育中心主任施火发、复旦大学附属中学特级教师黄玉峰、江苏省教科所原所长成尚荣、台湾台北国语实验小学语文教师李玉贵等出席并参加了此次会议。来自全国各地近1100名校长、教师、名师工作室代表参加了此次会议。

买方提议是一个二元组：Obuyer＝（constraint，performative）.其中：constraint是买方对自身需要的描述，表现为商品某项或某几项属性的具体约束要求；performative是买方要求卖方作出的行为反应，其取值范围是｛find，refind，agree，fail，reject｝，find表示要求对方提供符合包括新提交的约束在内的已提交约束集的新商品，refind表示要求对方继续提供符合已提交约束集的新商品，agree表示买方同意接受当前商品解为协商解，fail表示买方认为协商失败，reject表示买方拒绝卖方提供的当前商品解，坚持其已经同意的商品解.

卖方提议是一个三元组：Obroker＝（accommodation，restriction，performative），前两项是卖方对其提供的商品解的描述.其中：accommodation＝（v1，…，vn）是卖方根据买方要求提供的商品；restriction是商品附带的限制要求；performative是卖方要求买方做出的行为反应，取值范围是｛check，relax，reconsider，deal｝，这里check表示要求对方查验本次提供的商品解是否可接受，relax表示要求对方放松约束，reconsider表示在已有对方同意的协商解的前提下请对方继续查验当前商品解的接受度是否更高，deal表示卖方接受对方已经同意的协商解为最终协商解.

2.2 协商策略

当协商双方基于各自的认知模型对对方提议进行评估后，接下来采取的行动由协商策略决定.协商策略的设计目标是平衡双方既竞争又合作的关系，在保证双方基本利益的前提下实现双方利益最大化，获得帕累特最优的协商解.从这一目标出发，对协商策略的具体设计如下：

（1）买方协商策略.1）减少信息披露，以增加选择机会；2）坚持可接受度阀值是其愿意接受卖家提供的商品解为协商解的最低条件；3）一旦发现有可接受度更高的协商解则坚持此解，除非遇到可接受度更高的协商解；4）当卖方找不到满足要求的商品，买方可在允许的范围内对商品的各属性约束作最小程度的放松，以使协商能够继续.

（2）卖方协商策略.1）总是在满足买方当前给出约束条件的所有商品中选择令其获利最高的，向买方提议；2）即使找不到满足要求的商品，也不会主动放弃协商，而应试图要求买方让步；3）即使买方已经同意接受某商品为协商解，卖方仍可继续搜索其他既符合买方要求又使自身获利更高的商品，向买方提议.

2.3 协商交互流程

B2C交易自动协商交互的具体流程如图1.整个协商过程由买方发起，随后双方不断评估对方提议，并依照协商策略展开反提议，直到达成一致或者买方决定退出协商.

整个协商交互流程从以下几个方面实现了协商策略的设计目标：

（1）协商交互流程中交易双方尽量少暴露自身的需求信息和产品信息，以防备对方利用自身的信息.协商一开始，买方仅提供给卖方一个约束条件以供其寻找商品，同时在随后的协商过程中，只有当卖方提供的商品违反了某个或某些约束时，买方才进一步透露被违反的约束信息，甚至可能不需透露全部约束条件就能得到满足条件的商品解.这就保证了卖方所得到的关于买方的个人偏好信息量是最少的，避免了卖方利用完备的信息实施利己行为.

（2）协商交互流程体现了双方既竞争又合作的关系，使协商结果对双方总效用来说达到帕累特最优.首先，买方通过使用可接受度阀值保证最终得到的商品解是满足其基本需要的.其次，买方在协商开始时给出的是最苛刻的约束条件，即争取商品各属性上的最高得分，要求卖方提供使所有模糊约束满足度达到1的商品.最后，买方实行对商品属性约束上的最小让步策略.即如果卖方提出了放松其中一个产品属性的模糊约束满足度的要求，则买方每次给出的降低都是在商品特性上的必要的最小程度的让步.以上三点，保证了买方在不熟悉市场的情况下为自己争取最优商品.对于卖方来说，也有机会得到卖方的最优解，实现利益最大化.虽然得不到完备的买方偏好信息，但卖方在每轮协商中都可以在某组已知约束条件下选出使自己获利最高的商品解，提供给买方.而即使买方已经同意接受某商品为协商解，卖方仍然可以挑选满足同样的约束，但是获利更高的商品解，要求买方继续考虑，一旦买方也认为此商品的接受度更高，则双方可达到双赢.

（3）协商的策略是稳定的，即使交易双方的任何一方知道对方的策略，双方均不会改变自身策略.即使卖方知道买方按照模糊约束度递减的策略提交约束条件，也不能因此而改变自身策略.由于卖方并不知道买方的实际阀值，假设在商品解存在的情况下，卖方企图通过通知对方无解的方法迫使对方主动放松模糊约束度，就会冒上买方因商品综合评分低于可接受度阀值而主动退出协商的风险.

3 协商模型分析验证

本协商模型中，卖方不断地根据买方提交的约束条件反复搜索商品库，买方也不断评估卖方提供的协商解并返回更精化的查询条件，评估方法由买方认知模型决定.本协商模型为买方认知模型引入带优先级的模糊约束理论，更精确地表达买家的主观需要，从以下两个方面改进了协商过程.

图1 自动协商交互流程

（1）有效缩减了协商可行解空间，加快卖方搜索速度.以租房交易为例（数据来源于文献［6］）.用户普遍愿意接受的是租金2000元以下，路程30min以内的房屋，协商解空间如图2a.引入模糊约束后，可进一步区分不同偏好人群的主观需要，有效缩减协商解空间.例如，对于收入低的购买者（比如在校大学生），其协商解空间更多地取租金较低的范围，如图2b中阴影部分；对于惜时如金的白领，则更看重路程以节约时间，其协商解空间更多取路程较短的范围，如图2c中阴影部分.

从图2可见，在未引入模糊约束的情况下，用户只能在给定属性值的查询区间设定的四边形（如果是多属性则是立方体）内进行全搜索；通过引入模糊约束表达用户的偏好信息，可以有效缩减协商可行解空间.

（2）更精细地划分了各协商解效用的高低，有利于自动为用户在可行解中挑选效用高的最终解.买方认知模型中，采用优先级表达同一属性带给不同用户主观上不同的满足程度，例如白领以路程为优先考虑，在校大学生以租金为优先考虑.由此可进一步区分出可行解的效用高低.如图2所示，曲线箭头指向的方向效用更高，大学生和白领的箭头指向是不同的，可实现在自动化评估过程中为买方挑选更符合自身偏好的商品解.

图2 引入模糊约束前后及不同偏好人群协商解空间的比较

4 结语和展望

本文基于对B2C交易协商个体和协商过程特点的分析，提出了一个以带优先级的模糊约束理论为核心的B2C交易自动协商模型.模型中还存在一些需要改进的地方：（1）买方效用门限的确定对协商结果影响的实验评估；（2）深入研究买方的约束放松幅度如何确定，是否可以随时间做出调整，对协商结果会造成怎样的影响；（3）在计算买方对商品的可接受度时，只考虑了需求满足和商品限制这两个因素，还可以考虑加入商品的奖励刺激因素.

［1］SUTTON R S，BARTO A G.Reinforcement Learning［M］.Cambridge，MA：MIT Press，1998：150－311.

［2］MATARIC M J.Interaction and intelligent behavior［D］.Massachusetls：Department of Electrical Engineering and Computer Science，MIT，1994.

［3］JEFFREY S，ROSENSCHEIN，GILAD Z.Rules of counter：designing conventions for automated negotiation among computers［M］.Cambridge，MA：MIT Press，1994：33－146.

［4］ZEUTHEN F.Problems of monopoly and economic warfare［M］.London：George Routledge and Sons，1930：24－62.

［5］FARATIN P.Automated service negotiation between autonomous computational agents［D］.London：University of London，Department of Electronic Engineer Queen Mary ＆ Westfield College，2000.

［6］LUO X，JENNINGS N R，SHADBOLT N.A fuzzy constraint based model for bilateral multi－issue negotiations in semicompetitive environments［J］.Artificial Intelligence Journal，2003，148（1／2）：53－102.

［7］陈璐，邱玉辉.一种零售电子市场中的商品交易自动协商模型［J］.计算机科学，2005，32（12）：94－100.

［8］韩伟，韩忠愿.多智能体系统及其在电子商务中的应用［M］.合肥：中国科学技术大学出版社，2008：35－226.

［9］KRAUS S.Strategic negotiation in multi－agent environments［M］.Cambridge MA：MIT Press，2001：115－132.

［10］ZENG D S K.Learning in negotiation［J］.International Journal of Human－computer Studies，1998，48（1）：125－141.

［11］HE MINGHUA，JENNINGS N R，LEUNG HO－FUNG.On agent－mediated electronic commerce［J］.Knowledge and Data Engineering，2003，15（4）：985－1003.

［12］FARATION P S C，JENNINGS N R.Using similarity criteria to make issue trade－offs in automated negotiations［J］.Artificial Intelligence，2002，42（2）：205－237.

［13］陈璐，邱玉辉，张谦.一种基于模糊约束的多并发双边自动协商模型［J］.计算机应用，2007，27（12）：2906－2912.