Αυτόματες Διαπραγματεύσεις Υπολογιστικά Νοημόνων Οντοτήτων σε Ηλεκτρονικές Αγορές. Κωνσταντίνος Μ. Κολομβάτσος. Τριμελής Συμβουλευτική Επιτροπή: Ε. Χατζηευθυμιάδης, Επίκ. Καθηγητής ΕΚΠΑ Μ. Κουμπαράκης, Καθηγητής ΕΚΠΑ Γ. Βούρος, Καθηγητής Παν. Πειραιώς. Περιεχόμενα. Αντικείμενο Διατριβής. - PowerPoint PPT Presentation
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
. ΚωνσταντίνοςΜ Κολομβάτσος
Αυτόματες Διαπραγματεύσεις Υπολογιστικά Νοημόνων Οντοτήτων σε Ηλεκτρονικές Αγορές
Για τον αποδοτικό προσδιορισμό του χρονικού ορίζοντα συμμετοχής.
Καθορισμός της παραμέτρου α. Για τον καθορισμό ενός μηχανισμού λήψης
αποφάσεων στην πλευρά του πωλητή. Για τον καθορισμό της κατάλληλης απόφασης σε
κάθε γύρο μιας διαπραγμάτευσης. Βασιζόμαστε σε ένα σύνολο παραμέτρων για τη
λήψη της απόφασης.
Πωλητές (7/11)Βιβλιογραφία
:Η χρήση της Ασαφούς Λογικής γίνεται για Τον καθορισμό των τιμών διαφόρων χαρακτηριστικών
(προϊόντων Cheng et al., 2006; Carbo et al., 2003). Για τον καθορισμό περιορισμών στη διαδικασία λήψης
(απόφασης Ragone et al., 2008; Kowalczyk & Buik, 2000). Για τον προσδιορισμό τωνπροσφορών που πρόκειται
(να προταθούν Jain & Benyoucef, 2007; Raeesy et al., 2007).
Για πρόβλεψη των ορίων (στις τιμές των οντοτήτων Lin et al., 2006).
Για τον προσδιορισμό του επιπέδου ικανοποίησης (των οντοτήτων από τις προσφορές των αντιπάλων Zuo &
Sun, 2009; Wang et al., 2005). Για τον προσδιορισμό της απόφασης σε κάθε γύρο
(Wang et al., 2006) – : Μειονέκτημα Βασίζεται μόνο σε δύο ( )παραμέτρους τιμή και ποιότητα
Πωλητές (8/11) .Χρήση Ασαφούς Λογικής για τον καθορισμό της παραμέτρου α Τραπεζοειδήςmembership functions. Ένα σύνολο κανόνων ασαφούς λογικής εξάγουν την τιμή της
.παραμέτρου α Οι κανόνες καθορίζονται από experts. Ηπαράμετρος α εξαρτάται από τη θέση του προϊόντος
( ) δημοφιλία και το κέρδος που επιδιώκει ο πωλητής
10% 30% 70% 90% 100%0%
Region A Region B Region C Region D Region E
Less Popular
More Popular
Item1. . . . .
Item2
ItemN
ItemN-1
Item3
Item4
Popularity Sorted Objects Set
Item6
Item5
Item7
ItemN-2
ItemN-3
ItemN-4
Πωλητές (9/11) Πειραματικά Αποτελέσματα
ε qTs
( =20)α
α
( Χρήση FL) Νέο Ts
5 1 6 89.4 10
5 0.4 8 275 23
10 1 7 15.8 7
10 0.4 10 275 31
10 0.7 9 89.4 15
10 0.2 12 588 56
20 1 9 15.8 9
20 0.4 14 275 42
Πωλητές (10/11) Αυτόματη εξαγωγή κανόνων
Ο fuzzy controller μαθαίνει να εξάγει τους βέλτιστους κανόνες για τον υπολογισμό της
.παραμέτρου α Χρήση δεδομένων που ορίζουν οι experts. Οι experts πιο εύκολα καθορίζουν αριθμητικές
τιμές και καλύπτουν ευκολότερα ένα μεγαλύτερο .πλήθος σεναρίων
Λήψη Αποφάσεων Πωλητών (4/6) ( )Πειραματικά αποτελέσματα συνέχεια
Πλήθος βημάτων για να κλείσει η συμφωνία
sT,
bTmin
#tI1*tIAR
Λήψη Αποφάσεων Πωλητών (5/6) ( )Πειραματικά αποτελέσματα συνέχεια
Μεταβλητό κέρδος ε Ποσοστό συμφωνιών AG
As είναι η ενέργεια του πωλητή
σε χρόνο t*, Ab είναι η ενέργεια του
αγοραστή σε χρόνο t# και R είναι το πλήθος των πειραμάτων
R
Accept#t
sbp,#t
sAAccept
*tbs
p,*ts
A
AG
Λήψη Αποφάσεων Πωλητών (6/6) Σύγκριση με άλλες ερευνητικές προσπάθειες
AG Η επιθετική στρατηγική οδηγεί σε AG > 75% για
διάφορες τιμές του V. Στην πλειονότητα των σεναρίων επιτυγχάνουμε AG >
90% Το προτεινόμενο σύστημα έχει καλύτερη απόδοση από
(τα An et al., 2006 – maximum 90%), (Cheng et al., 2005 – 88.1%), (Lee, 2006 – 50%) ενώ έχει παραπλήσια
(ή λίγο καλύτερη απόδοση από το Faratin et al., 1998 – maximum 100%, minimum 45%).
IU ’ (Απ ευθείας σύγκριση μπορεί να γίνει με το Faratin et
al., 1998) όπου στη συντριπτική πλειοψηφία των στρατηγικών το μέσο όφελος είναι περίπου 0.6 ενώ σε
άκρως επιθετικές στρατηγικές είναι ίσο με 0.9.
Επιλογή Οντοτήτων (1/4) Μεθοδολογία επιλογής της πιο κατάλληλης οντότητας
( ) .πωλητών ή ενδιάμεσων για αγορά προϊόντος ;Γιατί
Τα μοντέλα που υπάρχουν στη βιβλιογραφία προτείνουν τη χρήση ενδιάμεσων οντοτήτων
( ).οντότητες ταιριάσματος ή μεσίτες Οι αγοραστές επιλέγουν μόνοι τους την οντότητα με
.βάση πληροφορίες που τις αφορούν Οι πληροφορίες συλλέγονται από άλλους αγοραστές ή
.από ενδιάμεσες οντότητες Ο αγοραστής χρησιμοποιεί τον Q-Learning αλγόριθμο Ο πίνακαςQ-Table ( μας δίνει τη βέλτιστη κίνηση επιλογή
– ).οντότητας πωλητής ή μεσίτης
Επιλογή Οντοτήτων (2/4) ΟQ-Table χτίζεται με βάση το βαθμό συσχέτισης r, την τιμή του
, προϊόντος τον χρόνο απόκρισης της οντότητας και τον αριθμό .των εναλλαγών στις κινήσεις
:Κάθε στοιχείο του πίνακα υπολογίζεται ως εξής
όπου l είναι ο ρυθμός μάθησης, το R αποτελεί το όφελος που , αποκομίζει ο αγοραστής γ είναι ο συντελεστής απομείωσης,
τοQ() μας δίνει μια τιμή από τουςQ- , Πίνακες st και at είναι ηκατάσταση και η ενέργεια που κάνει ο αγοραστής σε χρόνο t.
m_0
m_1
m_2
m_3
m_4
m_5
p
id=0
m_0 m_1 m_2 m_3
m_5 p M321 ...
…
...
1
M
3
2
1
Sta
tes
(En
titi
es)
Actions (Entities)Purchase
P
...
a)Q(s,)a',Q(s'
Aa'maxγRl)ta,tQ(s)ta,tQ(s
Επιλογή Οντοτήτων (3/4) Υπολογισμός οφέλους
c , είναι μια σταθερή τιμή k είναι ο αριθμός τωνμετακινήσεων, Pr είναι η τιμή του προϊόντος, Tpr είναι ένα όριο τιμής, RT είναι ο χρόνοςαπόκρισης, Tt είναι ένα όριο χρόνου καιwp, wt είναι τα βάρη για τον
τελικό υπολογισμό του οφέλους για την τιμή και το χρόνο απόκρισης.αντίστοιχα
timeRpriceRstepsRR k
cstepsR
prTPr if 0,
prTPr if,pwprT
PrprT
priceR
tTRT if 0,
tTRT if,twtT
RTtT
timeR
Επιλογή Οντοτήτων (4/4) Πειραματικά αποτελέσματα
5 40 προϊόντα η κάθε οντότητα προϊόντα η κάθεοντότητα
Επιλογή Προϊόντων (1/6) Ημέθοδος βασίζεται σε ένα μεγάλο πλήθος αλγορίθμων
λεξικογραφικής ομοιότητας και σε περιγραφές των αιτημάτων και .των προϊόντων με λέξεις κλειδιά και ελεύθερο κείμενο
:Αιτία Οι χρήστες δεν έχουν την ευχέρεια να καθορίσουν τα
.αιτήματα σε εξειδικευμένες γλώσσες περιγραφής στόχων Τα shopbots δεν είναι δυνατόν να καλύψουν όλες τις
. ανάγκες για προϊόντα Μεγάλο πλήθος προϊόντων αυξάνει το .χρόνο απόκρισης
Οι πράκτορες συστάσεων ‘ ’ απαιτούν ένα στάδιο συζήτησης .με τους χρήστες
Μοντέλα που υιοθετούν οντολογίες έχουν το πρόβλημα τηςετερογένειας.
Ελάχιστες τεχνικές λαμβάνουν υπόψινQoS χαρακτηριστικά. Οπροτεινόμενος αλγόριθμος στοχεύει στο να χρησιμοποιηθεί από
ένα αγοραστή ακριβώς πριν εμπλακεί σε διαπραγματεύσεις( ).απαιτείται ταχύτητα στην εξαγωγή του αποτελέσματος
Επιλογή Προϊόντων (2/6) Αιτήματα
Πληροφορία πλαισίουΠεριγραφή ( , )Περιορισμοί όνομα συνθήκη
Περιγραφές προϊόντων Πληροφορία πλαισίουΠεριγραφή ( , )Χαρακτηριστικά όνομα τιμή
Αρκετές εργασίες αντιμετωπίζουν μόνο το βαθμό εμπιστοσύνης .και όχι την έλλειψη
Κάποιες εργασίες αντιμετωπίζουν την εξαγωγή της εμπιστοσύνης ως ένα γράφο όπου οι συνδέσεις καθορίζουν
.την εμπιστοσύνη ανάμεσα στις οντότητες
Υπολογισμός Εμπιστοσύνης (2/4) Σύστημα ασαφούς λογικής
Βασίζεται σε αναφορές χρηστών και προσωπικές. ( ).αναφορές εμπειρίες
: (Βασικές παράμετροι των αναφορών ποιότητα Q), m (χρόνος απόκρισης C), (χρόνος αποστολής D).
:Τρία υποσυστήματα
Individual Trust Sub-System
Social Trust Sub-System
Social Referrals
Individual Referrals
...
Weights Definition
Sub-System
Final Trust Value
...
Υπολογισμός Εμπιστοσύνης (3/4)Social Trust Sub – System
Individual Trust Sub – System
Υπολογισμός βαρών
FL for Social Trust
Referrals for:Quality,
Communication, Shipping, etc
Membership Functions
Social Trust Sub-System
Trust Level
Weight Calculation
Engine (based on timestamps, reputation, etc
Final Social Trust Level
FL for Individual
Trust
Individual Referrals for each entity
Membership Functions
Individual Trust Sub-System
Trust LevelFinal Individual
Trust Level
FL for Weight
Definition
Membership Functions
Weight Definition Sub-System
Weight
...
Timestamps, Number of Referrals (social, individual),
error, etcFinal
Social Trust Level
Final Individual
Trust Level... Final
Trust Level
Υπολογισμός Εμπιστοσύνης (4/4) ( )Υπολογισμός βαρών συνέχεια
ΕίσοδοιSocial TrustIndividual Trust Διαφορά ανάμεσά τους
Τελικός υπολογισμός
Χρήση τριγωνικώνmembership functions .Όσες αναφορές είναι παλιές δεν λαμβάνονται υπόψιν Λαμβάνουμε υπόψιν ακόμη και το επίπεδο εμπιστοσύνης
.της οντότητας που κάνει μια αναφορά
isIT)sw(1isSTsw
isT
Μελλοντικές Προεκτάσεις Πωλητές
Χρήση περισσότερων παραμέτρων στον καθορισμό του ( . . , , χρονικού ορίζοντα π χ πλήθος αγοραστών είδος προϊόντος
. .).κ λπ Υπολογισμός της πίστης για τη λήξη του χρονικού ορίζοντα του
.αγοραστή Δημιουργία της βάσης γνώσης με βάση πραγματικά δεδομένα
.που υπάρχουν από πραγματικές αγοραπωλησίες Αγοραστές
.Ορισμός μεθοδολογίας για τον υπολογισμό του χρονικού ορίζοντα ‘ ’ Χρήση μιας πιο έξυπνης μεθοδολογίας για τη χρήση των
αποτελεσμάτων των αλγορίθμων αυτόματης εξαγωγής κανόνων αλλά .και των αποτελεσμάτων λεξικογραφικής ομοιότητας
Διαπραγματεύσεις Ορισμός μιας μεθοδολογίας για τον υπολογισμό του tmax. Χρήση και άλλων κατανομών για την προσέγγιση της
.στρατηγικής των αντιπάλων Χρήση μηχανισμών μάθησης ώστε δυναμικά να
προσαρμόζονται οιmembership functions στα ασαφή.συστήματα
Δημοσιεύσεις (accepted) (1/2) Journals
K. Kolomvatsos, and S. Hadjiefthymiades, ‘Product Relevance Factor Calculation for Buyer Agents Bargaining in Marketplaces’, to be published in Elsevier Electronic Commerce Research and Applications (ECRA), 2013.
Kostas Kolomvatsos and Stathes Hadjiefthymiades, 'Buyer Behavior Adaptation Based on a Fuzzy Logic Controller and Prediction Techniques', Elsevier Fuzzy Sets and Systems (FSS), February 2012, pp. 30-52.
K. Kolomvatsos, C. Anagnostopoulos, and S. Hadjiefthymiades, 'A Fuzzy Logic for Bargaining in Information Markets', ACM Transactions on Intelligent Systems and Technology (ACM TIST), February 2012, vol. 3(2), pp. art. No 32.
Conferences G. Boulougaris, K. Kolomvatsos, and S. Hadjiefthymiades, 'Building the Knowledge Base of a Buyer Agent Using
Reinforcement Learning Techniques', In Proc. of the 2010 IEEE World Congress on Computational Intelligence (WCCI 2010), IJCNN, July 18th - 23rd, Barcelona, Spain, pp. 1166-1173.
R. Arapoglou, K. Kolomvatsos, and S. Hadjiefthymiades, 'Buyer Agent Decision Process Based on Automatic Fuzzy Rules Generation Methods', In Proc. of the 2010 IEEE World Congress on Computational Intelligence (WCCI 2010), FUZ-IEEE, July 18th - 23rd, Barcelona, Spain, pp. 856-863.
Kostas Kolomvatsos and Stathes Hadjiefthymiades, 'Automatic Fuzzy Rules Generation for the Deadline Calculation of a Seller Agent', In Proc. of the 9th International Symposium on Autonomous Decentralized Systems (ISADS 2009), Athens, Greece, March 23-25, 2009, pp. 429-434.
K. Kolomvatsos, C. Anagnostopoulos, and S. Hadjiefthymiades, 'On The Use of Fuzzy Logic in a Seller Bargaining Game', In Proc. of the 32nd Annual IEEE International Computer Software an Applications Conference (COMPSAC 2008), July 28th - August 1st, Turku, Finland, 2008, pp. 184-191.
K. Kolomvatsos and S. Hadjiefthymiades, 'Implicit Deadline Calculation for Seller Agent Bargaining in Information Marketplaces', In Proc. of the 2nd International Conference on Cοmplex, Intelligent and Software Intensive Systems (CISIS 2008), March 4th - 7th, Polytechnic University of Catalonia, Barcelona, Spain, 2008, pp. 184-190.
Δημοσιεύσεις (accepted) (2/2) Book Chapters
Kostas Kolomvatsos and Stathes Hadjiefthymiades, 'On the Use of Fuzzy Logic in Electronic Marketplaces', in the book 'Cross Disciplinary Applications of Artificial Intelligence and Pattern Recognition: Advancing Technologies', ed. Vijay Mago, IGI Global, 2011.
Kostas Kolomvatsos and Stathes Hadjiefthymiades, 'Defining Time Constraints for Sellers in Electronic Markets', in the 'Encyclopedia of E-Business Development and Management in the Global Economy', ed. In Lee, IGI Global, 2010.
Kostas Kolomvatsos and Stathes Hadjiefthymiades, 'How Can We Trust Agents in Multi-Agent Environments?', Chapter in 'Intelligence Integration in Distributed Knowledge Management', eds D. Krol and N. T. Nguyen, IDEA Group Inc., 2008.
Kostas Kolomvatsos and Stathes Hadjiefthymiades, 'Ontologies and Intelligent Agents: A Powerful Bond', Chapter in 'The Semantic Web for Knowledge and Data Management: Technologies and Practices', eds Z. Ma and H. Wang, IDEA Group Inc., 2008.
Δημοσιεύσεις (submitted) Journals
K. Kolomvatsos, C. Anagnostopoulos, and S. Hadjiefthymiades, ‘Fuzzy Logic – Based Reasoning in Buyer – Seller Bargaining Games’, submitted in Springer Journal on Electronic Commerce Research.
K. Kolomvatsos, C. Anagnostopoulos and S. Hadjiefthymiades, ‘On the Use of Optimal Stopping Theory in Automated Negotiations’, submitted in IEEE Transactions of Systems, Man and Cybernetics – Part: Systems.
K. Kolomvatsos and S. Hadjiefthymiades, ‘On the Use of Particle Swarm Optimization in Concurrent Negotiations’, submitted in ACM Transactions on Adaptive Systems and Technology (ACM TAAS).