论文摘要
目前,软件Agent技术已被广泛应用于各个领域,尤其是在WWW网上信息检索、电子商务、网络管理等的应用。这对 Agent的适应性提出了更高的要求。适应性也是衡量这个软件系统是否是 Agent系统的主要特性之一。如何让 Agent 能够更有效、更准确地找到所需信息,并对这些信息进行过滤、分类,根据Agent自身具有的知识进行推理,然后根据决策计划行动并执行,是计算能否成功的关键。所有这些都要求 Agent具有很强的自适应能力。 因此我们基于 Agent的 BDI模型设计和实现了一个信息 Agent系统,它能根据用户定义的要计算目标,自主去适应Internet环境,不断的学习,然后从WWW服务器文件中发现并分类提取与目标相关的信息。该模型集成了 SOM 神经网络,遗传算法,信息过滤等算法,使 Agent具有更好的学习能力,从而可以使 Agent更加智能化。 信息 Agent体系结构包含以下几个基本模块: 用户界面用以接受用户信息输入或输出信息给用户。 通信接口用来与其它软件Agent或应用进行通信。 感知模块对输入信息进行过滤与分类。 推理模块根据Agent自身知识对信息进行推理。 决策模块对推理结果进行评价和决策。 计划模块根据决策制订行动计划。 执行模块按照计划执行动作。 知识库对推理、决策、计划等提供支持。 信息 Agent系统中用户界面 Agent 采用 SOM神经网络来学习用户的偏好,兴趣,网络经过训练实现文档向量到系统输出的映射,把代表不同文档的特征向量映射为用户的不同目标,从而实现区别用户不同目标的任务。搜索 Agent中引入遗传算法,帮助用户在Internet环境中寻找潜在的信息。 本文结合“油气管道信息服务平台”项目,提出了利用“信息 Agent 系统”来提高管道文献检索的智能性。在项目的实践过程中,通过文献数据库及偏好知识库的构建及网络蜘蛛、索引器等应用程序的实现,增强了信息 Agent系统主动适应Internet动态环境与自学习、自适应能力。本论文提出的方法取得了较好的效果,虽然还存在着缺陷,但基本解决了文献检索中信息个性化服务的问题,提高了管道文献信息查全率与查准率。
论文目录
相关论文文献
标签：信息论文; 适应性论文; 人工智能论文; 油气管道信息服务平台论文;