基于多智能体的用户偏好系统研究(2)

　　四、系统算例
　　系统采用MovieLens站点的数据集进行实验，通过对协通过滤算法的推荐结果进行竞标优化。对推荐结果的评价采用统计精度度量方法中被广泛采用的平均绝对偏差MAE作为推荐精度度量标准。平均绝对偏差MAE通过计算预测的用户评分与实际的用户评分之间的偏差度量预测的准确性，MAE越小，推荐质量越高。设预测的用户评分集合表示为{p1,p2 …pn}，对应的实际用户评分集合为｛q1,q2, …qn｝，则平均绝对偏差MAE定义为：
　　
　　试验过程中,分别指定用户聚类的数目为30,40,目标用户的最近邻居个数从10增加到40,间隔为10,分别计算本文提出的算法与传统的协同过滤推荐算法的MAE,试验结果如图4.1：
　　由图看出，本文提出的基于MAS的协同过滤推荐算法均具有较小的MAE。由于本系统只是对协同过滤算法进行优化，其结果的改进是有限的，如果卖方可以采用不同的推荐算法，其推荐精度将可能有较大的提高。由此可知，与传统的最近邻协同过滤推荐算法比较，本文提出的算法可以有效提高推荐系统的推荐质量，弥补了协同过滤算法在稀疏度和冷启动方面的缺陷。
　　五、结束语
　　本文的创新点在于，利用多智能体系统在人工智能协商方面的优势，提出了一个基于多智能体个性化推荐系统的架构，在原有推荐算法的基础上通过对不同的推荐结果进行有效性协商，根据不断进行自学习得到最优的推荐结果，以弥补原有推荐算法智能化不足的缺点，为量化、感知用户需求等问题提供了新的研究思路。
　　
　　参考文献：
　　[1]王继成 潘金贵 张福炎:web文本挖掘技术研究[J].计算机研究与发展，2000，37(5):513～520
　　[2]韦鲁玉 丁华福:基于Agent的个性化智能信息检索系统[J]. 信息技术， 2007，(01)
　　[3]李政伟 夏士雄 聂 茹:基于Web服务的动态电子商务应用架构[J].计算机工程与设计 ， 2005，(04)
　　[4]盛秋艳:基于Agent的个性化信息检索技术的研究[J].黑龙江工程学院学报， 2006，(02)