BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Tyburcy Janusz, Jakubczyc Janina A., Galant Violetta
Tytuł
Inteligentny agentowy system rekomendacji wspierający serwis internetowy
Intelligent Agent-Based Recommender System for Internet Service Support
Źródło
Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 2004, nr 1011, s. 338-350, rys., bibliogr. 9 poz.
Tytuł własny numeru
Pozyskiwanie wiedzy i zarządzanie wiedzą
Słowa kluczowe
Księgarnie, Przedsiębiorstwo wirtualne, Obsługa klienta, Algorytmy, Symulacja wieloagentowa, System rekomendujący
Bookstore, Virtual enterprise, Customer service, Algorithms, Multi-agent based simulation, Recommender system
Uwagi
summ.
Abstrakt
W pracy omówiona została architektura systemu rekomendacji, przedstawionego na tle wieloagentowego systemu internetowej księgarni (system Watto). W kolejnych częściach artykułu został przedstawiony fragment pierwszego etapu, w którym prace modelowe i implementacyjne koncentrowały się wokół wieloagentowego systemu rekomendacji, wspierającego obsługę klientów. Potrzeba adaptacji programowego agenta do zmiennych warunków otoczenia wpłynęła na zastosowanie w tym systemie algorytmu uczenia ze wzmocnieniem.

One of the ways of wining the customers' interest in all kind of Internet service and to making them stay with it, is to apply right recommender mechanism. Recommender mechanism gives the opportunity for more personal approach to the sale, advertisement and promotion issues of commodities that the customer could be interested with. The more accurate the recommendations are the more likely it would succeed. Our proposal is the intelligent agent-based recommender system with the reinforcement learning. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Abbattisat F., Degemmis M., Fanizzi N., Licchelli O., Lops P., Semararo G., Zambetta F.: Learning User Profiles for Content-Based Filtering in e-Commerce, 2002, dostępny pod adresem: http://citeseer.nj.nec.com/abbattista02learning.html.
  2. Billus D., Pazzani M.J.: A Hybrid User Model for News Story Classification, Proceedings of the VII International Conference on User Modeling, Banff, Canada (1999) 99-108.
  3. Kohavi R., Provost F.: Applications of Data Mining to Electronic Commerce, Data Mining and Knowledge Discovery, 1-7, 2001, Kluwer Academic Publishers, Boston.
  4. Furnér J.: On recommending, .Journal of the American Society for Information Science and Technology", 2002.
  5. Joachims T., Freitag D., Mitchell Т.: WebWatcher: A Tour Guide for the World Wide Web, Na- goya, Japan (1997), Proceedings of the XV International Joint Conference on Artificial Intelligence, 770-775.
  6. Lee W.S.: Collaborative Learning for Recommender Systems Proc. 18th International Conf. on Machine Learning 2001.
  7. Schafer J.B., Konstan J.A., Riedl J.: E-Commerce Recommendation Applications, 1999. ACM Conference on E-Commerce.
  8. Fong Т., Nourbaksh I., Dautenhahn K.: A Survey of Socially Interactive Robots, ROBOTICS AND Autonomous Systems 42 (2003), 143-166.
  9. Widyantoro D.H., loerger T.R., Yen J.: An Adaptive Algorithm for Learning Changes in User Interests, Kansas City, Missouri, Eight International Conference on Information and Knowledge Management (CIKM'99), November 2-6, 1999.
Cytowane przez
Pokaż
ISSN
0324-8445
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu