基于智能Agent的个性化信息服务模型的构建

摘要：介绍了用户Agent、个性化信息Agent这两种模型的构建方法以及需要注意的问题。

关键词：智能Agent；个性化信息服务模型；用户Agent；个性化信息Agent

引言

数字图书馆的资源是海量的。根据不同用户的信息需求，为用户提供个性化服务是数字图书馆所追求的重要目标。目前的数字图书馆服务离此目标还有一定距离，原因之一就是缺少一种更为智能化的信息服务技术。智能Agent因其具有自主性、性、适应性和协作性等特征已得到广泛的应用。将智能Agent引入信息服务之中，为用户提供个性化服务是信息服务的发展趋势。

1　智能Agent的特征及其在个性化信息服务中的功能

智能Agent能根据用户需要，用户自动地完成各项工作，并能推测用户的意图，自主制定、调整和执行工作计划。一般认为，智能Agent应具有如下特征：①智能性。能感知环境，具有推理或智能计算功能，能分析用户的需求，在运行过程中动态地收集信息，不断调整和修改自身功能。②性。能代表用户完成某些工作或用户软件与其他软件进行通信和联系。③自主性。能在没有外界因素干预的情况下持续运行，并能控制自身的行为和状态。④协作性。Agent自主但不孤立，它能同其它Agent主体进行信息交换，也能借助于通讯机制与其他Agent进行协作来达到预期的目标。⑤适应性。Agent具有学习能力，不仅能对外界环境的变化作出反应，而且能够采取一种面向目标的行为。⑥可信赖性。智能Agent能准确地、可信地代表用户，这是Agent能否被用户接受的关键。

Agent作为一种全新的信息服务技术，具有不断学习、适应用户需求变化的能力，能为用户提供个性化信息服务。具体来说，应用于个性化信息服务的智能Agent主要完成以下功能：①智能搜索。分析和预测用户需求，自动查找相关信息。②导航与解惑。告知用户所需资源的位置，并借助丰富的信息资源体系回答用户提出的特定问题。③信息过滤。按照用户的条件，对重复或无用的信息进行过滤和筛选。④知识挖掘。对相关信息进行分门别类的整理，并从大量的数据中提取出有价值的信息和知识。⑤信息推送。及时把用户定制或感兴趣的信息发送给用户。

2　利用智能Agent构建个性化信息服务模型

基于Agent的个性化信息服务能够为每个或每类用户“量体裁衣”，为不同用户提供具有针对性的信息服务。一个完整的个性化信息服务模型主要由用户Agent、个性化信息Agent等多个模型组成。

个性化信息服务模型中，用户Agent主要对用户的特征、兴趣、偏好、需求等信息进行描述，以确立用户所需信息服务的类型。个性化信息Agent主要将个性化信息从全局信息空间中分离出来。而功能强大的信息搜索和友好的用户界面是实现个性化信息服务的重要保障。

2.1　用户Agent模型的构建

构建用户Agent模型是实现个性化服务的前提和基础。用户Agent模型主要实现用户信息获取、用户信息分析和用户信息更新等功能。

(1)用户信息获取。主要是获取用户活动信息，建立用户信息库，为模型提供必要的数据源。用户信息库应尽可能完整地记录用户的基本情况，不仅包括用户姓名、专业、身份、单位等信息，而且还包括用户的兴趣、爱好、研究领域等情况。目前，获取用户信息的方法有：一是人机交互法。在图书馆主页上提供个性化服务的注册入口，让用户自己登记感兴趣的专业、方向，想获得的信息以及获取方式、时间等。二是监视跟踪法。主要通过带有Agent的浏览器来监视、跟踪用户的行为，并把用户输入的主题词、关键词、浏览页面及操作等信息记录下来，经过分类与整理，充实到用户信息库中。通常，用户浏览的页面和浏览行为最能全面反映用户的兴趣；用户的Bookmark和保存整理的文档虽不能全面地反映用户的兴趣，但能很好地反映用户关注的信息；用户的借阅信息、咨询记录和下载记录也能较好反映用户的兴趣爱好。三是系统导入法。通过合作与交流，将其它数字图书馆、信息服务机构、文献资源共享联合体等有关用户数据导入个性化服务系统。

(2)用户信息分析。为了开展个性化服务，必须了解用户，加强对用户信息的分析，确定用户兴趣模型。为此，可通过对用户分类、聚类、时间序列模式分析，抽象出每类用户的普遍性需求和个性化需求，并建立一系列关联规则。还可以通过曲线图解法，确定网站中频繁访问的路径和发现用户引用页面的频率，从中找出用户的兴趣爱好，不断调整、修改网站的结构和内容，以更好地开展个性化服务。

(3)用户信息更新。在大多数情况下，用户的兴趣并不是专一的，而是不断变化的。因此，基于Agent的信息服务系统必须有较强的适应能力和学习能力，能不断跟踪和分析用户变化，动态地调整用户兴趣的权重或修改用户兴趣模型的结构，使其逐渐贴近用户个性需求。为了提高服务质量，系统应要求用户对所提供的信息做出反馈，并对反馈的信息进行分析和处理，不断补充和完善用户信息库。

2.2　个性化信息Agent模型的构建

目前，构建个性化信息Agent模型的方法主要有以下几种：

(1)信息抽取法。信息抽取就是自动从文本信息中抽取所需要的内容。与信息检索不同，它突破了信息检索中必须由人来阅读、理解、抽取信息的局限，实现了信息的自动查找、理解和抽取。信息抽取的处理过程是：首先进行词法分析，然后进行名称识别，对各种名称进行匹配，标识特殊词组；接着进行句法分析，得到句子的名词词组、动词词组等成分；随后进行模式匹配，得到实体内容，进行一致性分析，对指代、省略等不确定信息进行相关性分析；最后填充模板，得到信息抽取结果。

(2)信息过滤法。信息过滤是根据用户需求过滤掉那些不感兴趣或无用的信息。常用的信息过滤方法有两种：一是基于内容的过滤方法。主要利用关键词将信息与用户描述文件进行匹配计算，具有简单、有效等优点。其缺点是难以区分信息的特征与形式，只能发现那些与用户曾经感兴趣的信息相近的信息，而不能为用户发现新的感兴趣的信息。二是基于协作的过滤方法。主要跟据用户的相似性来推荐信息。其优点是能够发现新的、用户可能感兴趣的信息。缺点是在系统使用之初，由于系统信息还未获得足够多的评价，因而很难利用这些评价来发现相似的用户，随着用户和信息的逐渐增长，这种方法的性能将会降低。上述两种过滤方法各有利弊，应综合利用这两种方法的优点，构建混合型的信息过滤模式，以提高信息过滤的性能。

(3)信息共享法。个性化服务系统中每个用户的信息Agent并不是孤立的，它们可以通过相互合作构成一个MAS(Multi-Agent System)。MAS的合作求解能力远远超过单个Agent，这是MAS产生的最直接原因。MAS通过Agent的合作，使每个用户拥有一个或多个Agent，这些Agent推荐的信息在内容上都有相关性，克服了单个信息Agent功能不强的缺陷。多Agent之间的合作是通过多Agent协商协议来完成的。协商协议是MAS实现协同、协作、冲突消解和矛盾处理的关键。信息Agent之间一旦达成合作协议，多个信息Agent的个性化信息模型就构成一个逻辑体，每个信息Agent就将自己和伙伴Agent的信息文档推荐给相关用户，用户能享用整个Agent系统所提供的信息。

3　需要注意的问题

3.1　用户信息需求的准确性

对用户的需求掌握得是否准确直接关系到个性化服务的质量和效果。通常，用户行为和信息需求是持续变化的，对如何利用Agent实时准确地监视跟踪用户活动、及时获取用户信息、实时更新用户信息等问题需要进行深入的研究。

3.2　网络安全和个人隐私的保护

网络的开放性、匿名性等特点，使服务系统和网站极易受到黑客攻击、病毒感染或其它恶意行为的破坏。利用Agent监视跟踪用户行为、捕捉用户信息必然涉及用户隐私问题。对这些问题应高度重视，要不断增强主动防范意识，建立融技术、管理、人才、制度等为一体的多层次网络安全体系，有效地保障网络安全和用户隐私性。

3.3　信息资源的整合与集成

个性化服务不但要有强大的技术支持，而且还要依赖资源的合理配置。目前，数字图书馆资源类型多样，已不再局限于本地数字馆藏，而且还包括通过自建、购买、租赁、共享、交换、即付即用等途径建立起来的信息资源。图书馆应加强这些资源的整合和集成，逐步建成一站式检索平台。

3.4　用户的沟通与指导

要重视个性化服务的宣传与推广，通过座谈会、调查表、BBS和E-mail等途径加强与用户的沟通，不断了解用户需求以及对图书馆的意见和建议，及时调整服务策略。在服务过程中要不断指导用户，提高其使用技能，提高其信息素质。