Open Bookmark——基于Agent的信息过滤系统

为解决搜索引擎等传统网络信息服务系统的不足 ,提出了一个基于 Agent的信息过滤系统—— OpenBookm ark,它提供了一个开放性的信息组织环境。 OpenBookm ark使用向量空间法和社会过滤两种信息过滤方式帮助用户获取有用信息。向量空间法采用关键词向量描述用户的信息需求 ,通过计算信息之间的相似度 ,从信息数据库中提取符合用户兴趣的信息推荐给用户 ,并根据用户的反馈信息调整关键词向量。系统采用信息 Agent获取用户的信息需求 ,以实现个性化的主动信息服务 ,Agent之间采用 Agent通信语言进行信息协作 ,实现社会过滤。在开放式信息服务系统中使用信息过滤的方法 ,可以帮助用户有效地获取信息。     

邮件过滤Agent的设计

为实现对电子邮件中垃圾邮件的过滤,提出一种新的邮件过滤算法和邮件过滤Agent的设计方法.Agent通过算法学习用户接收邮件的信息及用户对邮件的处理习惯,据此最终确定邮件是否为垃圾邮件或病毒邮件,从而过滤掉非正常邮件.实验测试表明,Agent对邮件过滤的正确率可达85%,为现有电子邮件系统提供了一种改进方法.     

多Agent系统的偏好学习模型构建

Agent技术特别是多Agent系统MAS(Mutil-Agent system)为解决人工智能等领域复杂问题提供了一个新途径.以MAS等理论为指导,结合Agent强化学习的基本原理,提出一种基于多Agent系统的偏好学习模型.该模型可以应用于针对用户偏好的互联网搜索中,对提高信息检索的查准率有一定帮助.     

基于多Agent的邮件过滤系统

基于多Agent的思想设计出一个邮件过滤系统(Multi—Agent—Based Mail Filtration System，简写MABMFS)，它能根据用户的需求，自动地对用户邮件进行有选择性的接收，并通过其学习机制进一步地了解用户喜好，从而更有效地提高邮件过滤系统的性能。     

基于Agent与个人知识本体的搜索系统研究

传统的信息搜索模型缺乏语义理解。而本体是对共享概念模型的明确的形式化规范说明,提供基于语义的知识表示和共享。本文通过引入个人知识本体,综合利用智能Agent的主动性、协作性、移动性等特性,采用协同式过滤的基本原理,提出了基于Agent与个人知识本体的个人搜索系统,有效地提高了检索效率。文中提出了通过不断的学习用户的反馈信息,对个人知识本体中的概念进行修正的算法,并探讨了多Agent协同信息过滤技术在搜索系统中的应用。     

网上商品信息采集Agent系统的结构与实现

探讨了一个面向Internet的个性化商品信息采集Agnet系统。该系统采用用户与用户Agent以及用户Agent与信息Agent的交互机制，采用分布式智能体Agent技术，相关反馈学习算法和基于多用户个性化模式的层次智能信息滤波算法，智能化适应用户兴趣的变化及环境的变化，反映了当前及今后信息检索领域发展的趋势。该系统适用于电子商务中的分布在Internet上的商品信息，有效地解决了现有系统在交互方式，自适应用户兴趣和信息源的变化，高效并行检索等方面的不足，满足不同用户个性化检索的需求，主动地帮助用户完成商品信息采集任务，方便了用户，能够满足人们在信息采集时的个性化要求，节约了用户的时间和精力，是“主动服务”的电子商务，具有灵活性和适应性。     

基于Agent的智能e—Education系统研究

为了在e-Education系统中充分发挥网络资源的优势,提高其智能性,实现自适应教学和个性化服务,设计并实现了基于Agent的智能e-Education系统模型．运用教学策略Agent和教学管理Agent,根据学生的学习进度,智能地选择教学策略,以实现教学的个性化,达到智能化教学的目的;使用移动Agent技术实现Agent之间的通信,提高了用户与系统的交互性．     

基于Agent的智能e—Education系统研究

为了在e-Education系统中充分发挥网络资源的优势,提高其智能性,实现自适应教学和个性化服务,设计并实现了基于Agent的智能e-Education系统模型．运用教学策略Agent和教学管理Agent,根据学生的学习进度,智能地选择教学策略,以实现教学的个性化,达到智能化教学的目的;使用移动Agent技术实现Agent之间的通信,提高了用户与系统的交互性．     

基于内容信息过滤的智能Agent及其实现

本设计并实现了一个基于内容信息过滤的智能Agent：CuteSeareher．它能够根据用户提交的示例档，采用机器学习的方法对用户的兴趣进行建模．并通过与www上的搜索引擎相互作用，自动查找用户所需的信息．在两个方面解决了现有过滤系统在学习方法方面的不足：第一，采用了概念推理网解决词组分割问题；第二，使用基于协同演化的遗传算法解决档的特征抽取问题．测试表明它可以有效地帮助用户在www上搜索信息．     

基于智能Agent的Web信息检索

本文研究了当前web信息检索、搜索引擎的现状,提出了一种智能多Agent系统结构,该结构适用于Internet上的智能搜索系统,能够完成信息主动搜索、中心索引、信息过滤查找以及用户反馈更新等功能。     

基于搜索代理的纺织企业信息的自动获取系统研究

提出了一种基于搜索代理的自动提取和分析纺织企业信息的搜索系统。该搜索代理以搜索引擎技术为核心，结合用户反馈信息和专业领域词汇，对特定领域进行划分，同时利用网页结构特征信息剖析有价值内容，并将提取的信息置于数据库中，以进行广泛应用。     

一种网络智能信息Agent--CIRs的设计

Web上大量、分布、动态的信息,造成了用户在查询Web上的信息时产生“信息过载”和“信息迷向”现象．智能信息Agent是解决此问题的研究热点．设计并实现了一种以智能化、主动搜索为标志的互联网智能信息Agent-CIRs,从用户日常的行为中自动学习出用户兴趣模型,从而为用户提供个性化Web信息服务．     

基于用户兴趣的个性化搜索引擎系统

基于关键字匹配的搜索引擎系统无法反映用户的真实兴趣,由此不可避免地导致搜索结果的雷同.因此本文结合神经网络以及用户向系统提交的个性化信息对网络进行训练,从而构造了一个能够实施个性化搜索的实验系统,并给出了实验测试结果.     

基于用户兴趣的个性化信息检索方法

目前检索工具的设计大多面向所有用户，而不考虑用户个人的兴趣，导致查准率较低. 由此提出一种基于用户兴趣的个性化检索方法. 该方法利用ODP，把用户的兴趣映射到一个树形结构上，当用户提出查询时，根据用户的兴趣为其提供相应的检索结果. 考虑到人类大脑周期性衰减的生理特点，使用户特征文件随时间动态更新. 实验结果表明，所提出的方法能够基于用户兴趣实现信息的个性化推荐，从而更好地满足用户的需求.     

基于移动agent的web信息搜索的研究

对传统的信息搜索模型存在的弊端进行分析总结,在此基础上深入分析和研究移动agent技术,从而利用此技术来构造一种新型的web信息搜索系统的模型。将移动agent技术应用到web信息搜索中,可以节约大量的网络带宽,并且移动agent在服务器上执行时,不需要与客户机持续的连接,具有更大的灵活性和可靠性。     

网格资源分配中的自动协商机制研究

提出有监督的网格自动协商机制,实现了网格中用户需求和资源服务的动态调节及匹配.在该机制中,用户代理作为用户利益的维护者,在用户需求基础上,用户代理与资源不断调整自身的利益需求,最终实现用户需求和资源服务的一致.利用GridSim工具包建立了网格自动协商机制模拟平台.模拟实验表明,此机制能够消除用户需求和资源服务之间的冲突,并在一定范围内保持较高的协商效率.     

基于Internet的DOL教材信息发现和收集Agent

介绍一个基于多Ａｇｅｎｔ（ｍｕｌｔｉ－ａｇｅｎｔ）体系结构的信息检索系统：ＤＯＬＴＲＩ－Ａｇｅｎｔ．ＤＯＬＴＲＩ－Ａｇｅｎｔ用于从Ｉｎｔｅｒｎｅｔ上发现和收集用于远程开放教学（ＤｉｓｔａｎｃｅａｎｄＯｐｅｎＬｅａｒｎｉｎｇ,简称ＤＯＬ）中进行教材设计的教材信息．ＤＯＬＴＲＩ－Ａｇｅｎｔ根据用户需要和任务模型主动、智能和协作地搜索Ｉｎｔｅｒｎｅｔ上的各种信息资源（如数据库,ＷＷＷ服务器等）,对搜集到的教材信息归类存储,实时地更新本地教材信息库以与外部信息源保持动态一致．它还接收Ｉｎｔｅｒｎｅｔ信息空间中其他教材信息搜集Ａｇｅｎｔ和其他类型Ａｇｅｎｔ的服务请求,开放地与其他Ａｇｅｎｔ进行互操作,实现信息共享和交流     

智能元搜索引擎的研究

介绍了一种基于Internet的信息检索系统：智能元搜索引擎。该系统采用分布式Agent技术,以词典作为信息匹配和交互的媒体,能够很好地对用户的兴趣进行自适应学习,对用户提供个性化的信息检索服务。     

基于Aglets 的MAS信用研究的实验平台设计

在Aglet平台上开发出一个主要用于MAS系统信用机制研究的可视化实验平台,用户在该平台上能够方便快捷地配置出一个多Agent系统.该系统不但具有Agent与Agent,Agent实体与平台的通信,Agent与用户的交互,Agent在内外网的移动等基本功能,而且可以在Agent之间建立信用关系,可以存储记录和直观的显示交互的历史及信用信息.该系统还是一个开放的系统,用户可以方便的在该系统中加入自己的安全构架,信用策略和信用相关算法,以方便快速测试新的MAS信用模型.