蒋 勋，卞艺杰

（河海大学 商学院，江苏 南京 210098）

基于本体的多Agent电子市场研究

蒋 勋，卞艺杰

（河海大学 商学院，江苏 南京 210098）

电子市场是电子商务模式的发展方向。本体是语义Web的基础。文章建立了基于本体的多Agent电子市场模型，提出了商务领域语义相似度的计算方法，从而解决了多Agent间自动匹配异构信息的问题。

本体；电子市场；多代理；语义Web；相似度

一、引言

语义Web使计算机能够 “理解”Web信息，实现计算机之间的智能交互[1]。本体是语义Web的基础，它作为一种领域知识概念化和模型化的方法，可以用来描述计算机处理数据的语义信息。目前本体已经成为语义Web中知识表示的标准。

应用Agent技术，消费者可以将交易信息告知特定的Agent并授权它移动到交易场所，比如电子市场中，自主地代表用户与商家Agent进行谈判并完成交易，在交易结束后返回结果，从而实现了智能化和自动化交易，使得消费者免于进行烦琐的商品搜索、浏览、比较、选择和谈判等环节，节省了消费者的时间和精力，并且大大降低了网上数据传输量，节省了网络带宽的负担[2]。

二、基于本体的多Agent电子市场模型

1.电子市场中的异构问题

首先，电子市场中各参与方所提供的相同商品具有不同名称。例如，对计算机销售业务，企业甲称为computer、企业乙称为laptop、企业丙称为notebook。其次，对同一名称商品实际也可能具有不同的意义。再次，即使商品语义不相关，但在商务活动中却密切相关，如computer、keyboard与monitor，monitor作为computer的输出设备，keyboard作为computer的输入设备，三者具有相关性。通过本文提出基于本体的商务语义相似度算法提高 keyboard与monitor对于computer的语义相似度，反映出三者的重要联系[3]。因此在传统基于Agent的电子商务体系中有必要引入一种商务语义相似度的算法，利用本体映射的方式进行商品的自动匹配，可以有效解决异构问题[2]。

2.多Agent概念模型

多Agent系统可理解为是由一系列可解决的问题Agent组成[4]的系统。

其中：Si∈Φ，Φ表示问题的集合。O表示问题的最佳解决方案，它因开发者、用户、使用Agent的环境不同而不同。SA由相互协作的Agent Ai组成，Ai∈{A1，A2，…，An}。

A的定义如下：

ATTR，EXEC和STRA分别表示Agent的属性、执行和策略。ATTR描述Agent静态组织结构；EXEC是Agent的代码段；STRA是Agent的策略集是一组行为描述，包括Agent的迁移、通信、协作、安全和学习等策略。每个策略包含Agent名、协商主题、重要度和方案等元素。Agent属性依次由名称、位置、角色(职能)、目标和资源组成，Agent的自治、协作及推理能力由目标驱动。Agent的执行由引起代码执行的条件con，代码prg和终止条件hal组成。

Agent A的职能Rol可表示为一个集合

如果Airolr，表示第i个Agent的第r个职能，则Agent A的目标GolA是相互协作Agent所承担的职能的集合：

其中：GolA表示Agent之间可能存在的相互关系集。业务过程BPR_mdl由一组相关目标的Agent完成，则

说明一个业务过程有若干职能的多Agent协作完成。

3.基于多Agent电子市场交易过程

基于多Agent电子市场可分为管理Agent、信息Agent、用户Agent、服务Agent。管理Agent主要作用是制定各Agent间交互的基本的知识模型、协作模型、交互协议并制定市场规则，是Agent活动的核心。信息Agent主要作用是将买方要采购的产品信息通过接口（企业用户Agent）传给各个企业应用，由企业应用将查询结果返回给电子市场。用户Agent包买方Agent与卖方Agent，主要作用是完成买方和卖方的注册与管理，同时代表部分买方或卖方企业的行为，它对应着电子市场的成员管理。服务Agent主要作用是监视电子市场的运营情况，如参与方企业的合同履行情况、付款情况，评估企业信誉。交易Agent提供各种交易服务，比如提供各种协商方式、拍卖方式、管理交易合同等功能，它提供电子市场功能体系中个性化服务的交易服务，同时也会与企业应用系统实现工作流的无缝集成[5]。具体流程：（1）买方将采购信息及相关的属性委托买方Agent；（2）买方Agent将采购信息传递给信息Agent；（3）信息Agent将其传给各个卖方Agents；（4）卖方Agent再将这些信息传递给卖方企业应用；（5）卖方企业应用系统进行自身的查询并将查询结果回复给卖方Agent；（6）卖方Agent将结果送到信息Agent；（7）信息Agent将结果传给买方A-gent；（8）买方Agent将信息传给买方企业；（9）企业方对候选对象进行语义筛选并通知卖方 Agent；（10）买方和卖方Agent通过交易Agent进行协商；（11）协商成功后返回买方和卖方Agent。其后就是双方企业通过自己的应用系统进行交易。

三、基于本体的商务语义相似度算法与信息匹配

1.语义相似度计算

在计算页面与查询问句间的相似度时，每张页面都与相应的语义特征向量联系在一起，用来表示页面和语义概念间的关联程度。每张页面可以和多个概念相连，而每个概念也可以连着多张页面形成了多对多的关系。本文提出了一种计算词间语义相似度的方法，该方法考虑了链接密度、链接强度、链接的类型和节点的深度四个因素。

首先考虑链接强度因数，子链接的强度同父概念下子概念出现的条件概率成比例

根据信息理论的观点，定义链接强度（Link Strength，LS）为：

L（c，p）和T（c，p）分别代表了链接的类型因子，即基本关系和扩展关系。在计算概念间语义相似度的过程中，由于概念实体间路径的权重反映的是概念实体之间关系的重要程度，而实体间重要程度并不一致，因此概念实体间路径的权重也应不一样才能反映实际情况。使用的L（c，p）和T（c，p）采用经验参数的形式，各关系对于的关系因子值见表1。

表1 链接的类型因子取值

考虑在各概念实体节点的深度，链接类型和链接强度后，子概念c和父概念p的链接权重公式如公式（3）

且α+β+ε+η+τ=1，其中S(p)是父概念节点p中子概念节点的链接数；d(p)代表父概念节点p中的长度；词之间的语义相似度计算公式：

其中c1=sen(w1)，c2=sen(w2)，Set(c1，c2)为c1到c2的最短路径上的所有概念节点集合。lcs(c，p)是子、父关系的概念层次结构中相似度代表值最大化，即概念节点是包含c和p的结合中的最小上界。通过该公式，可以很容易地计算出网页语义特征向量与查询语义特征向量之间的相似度。

2.语义信息匹配

通过公式（4）最终得到语义相似度，考虑到个别用户的主观错误会产生的影响，本文给出一种加权算法来实现自学习和更新语义Web，具体思路是从Agent的查询和反馈交互中自动学习 “网页-概念”。获取语义特征向量的学习算法具体步骤如下：

步骤1：记录用户Agent的查询，并记录相关反馈中所标记的相关和无关页面。

步骤2：对于每个相关的页面Di，检查是否存在概念节点Cj与Di相互关联。若存在相关性，则建立它和Dj之间的关联链接，并设初始权重为1。

步骤3：对于每个不相关的页面Di，检查是否存在概念节点Cj与Di相互关联。如果存在这样的概念节点Cj，则删除此链接。

四、结论与展望

本文将具备商务领域本体的Agent引入电子市场的业务处理过程，提出了多Agent在计算语义相似度后自动学习“网页—概念”。降低电子市场中交易成本，提升供应链协作功能。在本文中，忽略了本体所能提供的许多有用的关系，如概念间的包含关系、概念间的不相交关系、个体与概念间的成员关系等，对于如何在较复杂的关系下实现更有效的信息检索与匹配、如何在较强的描述逻辑下保证推理的效率等问题有待于进一步研究。

[1]唐杰，梁邦勇，李涓子，王克宏.语义Web中的本体自动映射[J].计算机学报，2006，11(11)：1956-1974.

[2]陈冬林，聂规划，刘平峰.基于本体的B2B电子商务MAS模型及商品匹配算法[J].计算机工程与应用，2007，43(10)：199-201.

[3]史红霞，欧阳毅，凌云.基于本体的商务语义信息检索算法研究[J].管理工程学报，2007，21(3)：121-127.

[4]Lisa C D，Victor F W，LekshmiN，et al.A Real-time Multi-agent System Architecture for E-commerce Applications[J].Computer Standards&Interfaces，2000，(22)：307-321.

[5]曹大军，徐良贤.基于Agent的电子市场体系设计及其实现[J].计算机工程，2002，28(3)：24-26.

On Multi-Agent Electronic Market Based on Ontology

JIANG Xun,BIAN Yi-jie,
(Business School,Hehai University,Nanjing 210098,China)

E-market is the development orientation of E-commerce.Ontology is the basis of semantic Web.The Multi-Agent electronic marketplace model based on ontology,and a novel business domain semantic similarity algorithm is presented,which resolves the problems of the heterogeneity of information for auto matching among multi-agents.

ontology;electronic market;multi-agent;semantic Web;similarity

F713.36

A

1671-4806（2010）04-0024-03

[编辑：汤发俊]

2010-04-20

蒋勋（1980- ），男，江苏无锡人，博士研究生，研究方向为语义网、智能电子商务；卞艺杰（1964- ），男，江苏南通人，博士，教授，博士生导师，研究方向为管理信息系统与电子商务。