摘要： 在面向多用户的、以智能为导向的信息系统领域，个性化系统旨在针对个人用户的请求提供具体和自定义的响应。除了能够分析用户需求，检索、理解、和执行由任何电子系统提供的分布式数据，多智能系统在交互性方面也提供了有趣的尝试，特别是在信息共享和任务协调方面。利用这些交互的可能性，以便能够使这些信息系统能够更个性化。此外，不论在社会方面还是个人层次，可复用模型都是促进后续信息系统设计的首选。基于这两点，我们提出几个交互模型(社会性）和内部活动周期模型(个性化)，以创建一个多智能化的个性信息服务系统。
关键词：多智能体系统，智能活动模型，交互模型，信息个性化

1. 背景与动机

随着所需获得数据的大量增长或更多的异构/或更广泛的分布式，个性化信息变得更加重要。在多用户环境，个性化的信息系统寻求到个别用户的要求并为此提供具体和个性化的响应。这类信息系统（IS）根据用户的喜好、目的和能力做出响应，尽量做到只提供给用户所有并且必需的信息。这一类自适应软件系统也被称为信息服务[4]。
因此，设计一个个性化的信息系统必须以用户为中心的观点进行管理和数据处理。除了纳入常见的功能，该系统还必须能够适应一个特定用户的结果。交付结果的相关性取决于几个因素：系统的获取并选择所需的数据的能力；关于用户的知识系统及持续的演变发展能力；针对性地检索到数据用户的需要。这三个要素是个性化信息的主要特点。
智能领域可以提供适应系统用户结果的不同方式。智能软件已经证明有能力在不确定的、动态开放环境下提供有趣的服务。例如，基于服务提供商的人工智能的服务，如机器学习。这些智能体可以在信息系统建模的不同的阶段，设计和实施干预，或者可以简单地作为“概念”或系统的分析模型。此外，他们还可以共同执行一系列互动，即所谓的多智能系统协同工作。
在本文中，我们介绍了多智能个性化信息系统（Multi-Agent Personalized Information System）。我们的目标是提供可复用的信息系统工程模型，不论在宏观层面上（例如架构，组织，或交互系统实体），还是微观层面（如知识，智能内部模型）。最后一节，我们将阐述这些模型在旅游规划服务领域的应用。

2. 智能信息系统的信息个性化

Klusch[12]曾总结信息智能的主要功能有：信息采集与管理，信息综合和演示，以及智能用户辅助。每一项功能都针对特定一个领域的设计和个性化信息智能方面的发展，以及其应用领域。此外，在多用户和分布式数据源的情况下，互动智能体可以采用MAS（Multi-Agent Systems）框架进行管理。两者的使用是信息个性化的重点，介绍如下：

2.1个性化信息的能力

积极性，允许触发尚未明确要求采取的行动，这意味着，例如，可以激活一个警告，如果智能体收到它认为对一些用户有用的信息;
不确定性管理，这是人工智能的核心功能，它允许智能体根据当前不完整知识和过去的经验进行推断，做出假设，以弥补知识的缺乏以及从以前的用户处学习事务处理;
自主权，允许智能体处理分布式数据、知识和资源;
社会能力，允许多智能体系统执行任务时多个分布式实体协同作用，包括知识共享和工作协调。
对IS来说，这四个特点可以提供额外的功能，在第2节中我们提到的三个方面：信息检索，信息过滤和用户辅助。
信息研究和检索可以通过专门的智能软件来完成。这种软件使得用户更容易评估信息源。比如，通过请求细化。Letizia，最知名的个人辅助系统之一，通过智能预期网络搜索，根据用户当前访问的页面内容推荐潜在感兴趣的网页。智能系统还可以定期主动检查数据源来提醒用户可能的改变。这种检测技术使“推”信息成为可能，比如技术观察的情况下。
信息过滤——选择相关信道限制规模——是另一个能够由智能体完成的任务，其选择基于用户的过滤规则定义。使用两个核心的互补方法：认知方法和协同方法。前者是简单地分析文件内容，后者则是从侧面收集显示用户相关兴趣（主要调查方法参见[12]）。协同方法的使用，例如，根据用户以往行为的统计数据向用户推荐新的链接，文件或产品（更多信息请参阅[27,7]）
为帮助用户通过同一个接口处理不同个人任务，用户协同借鉴了几方面不同的智能技术。这也意味着，适应各种硬件和软件的无线信息设备的增加已经变得越来越重要[3,18]。这也可归结为用户界面的问题，辅助观察和分析用户在利用一种或多种软件自动化完成某些任务时的操作方式[ 14]。虽然都是自动化某些任务，两种设计趋势依然可以区分：（1）智能专业化趋势，提供特定服务，如分拣电子邮箱或管理会议；（2）任务协同趋势，众所周知如自动化或委托任务。
为了集成上述功能，一种途径是通过复杂的设计将一系列拥有各种技能和能力的“聪明”的智能体结合在一起，另一种途径是分布功能不同的智能体以增加系统的包容性和适应性。后一种方式，一般都是几个（或多或少）专门的智能体共同创建一个多智能系统。

2.2多智能信息系统

智能系统的能力包括分析用户需求和检索，理解和执行分布式数据、了解用户是电子信息系统设计的基础。然而，更进一步的智能系统还需要信息的交换和互动。这种智能性，采用面向智能的概念模型系统，可以有不同程度，范围从简单的封装现有软件到完整的智能导向分析[ 29]。当我们设计一个多智能系统时，每一个元素或是单独或是成组完成信息互动系统的功能。在多智能系统中，智能体需要整合彼此的知识以便回答问题，如“哪个智能体可以执行这个任务？”或者管理各个数据流，“什么是现在必须要做的？”这种方法或许非常棘手，因为它不仅需要必要的管理知识分布和任务分配，还需要提供高效的保持全球智能体组织有序的进程。
知识和任务的分配或多或少都取决于共同的多智能系统，前面所提到的三个功能（来源、进程、用户）。智能体的能力，可以由shakshuki等人提出的三层架构进行分解[ 25]。具有接口或辅助功能的智能体通常用来管理人机交互；信息智能体用来搜集数据；另外还有一种智能体用来进行数据处理和用户需求匹配。事实上，系统可以根据它们处理任务的功能进行划分。例如InfoSleuth[19]系统，致力于信息采集和复杂的查询处理。它侧重于深入语义信息。另一种协作式多智能体信息系统，虽然其文件系统也是信息的个性化处理，但其核心在基于领域知识基础之上的信息发现。
如上功能分解所述，专门的智能体也可以用来进行系统的协调。比如在网页地图系统中，控制型智能体可以用来创建和管理智能系统。同时，ABROSE系统[9]则是完全的自我管理。这两种方式都涉及到智能体之间的协同如知识和数据的交换（如[25,27]）。在这样的多智能组织系统中，每一个基础设施都必须允许其并发和互动，特别是在如今的情况下。现今具有不同功能的智能体通过互动共同解决问题，其架构强调的是合作和计划，并且分解和重构任务，使多智能系统执行所有各项功能成为可能。
具体到信息个性化，虽然方法是一致的，即组建信息系统组织，智能交互，智能体了解用户并且拥有其信息来源，据此来完成信息的收集和复杂的查询过程。因此，MAS个性化信息设计是系统的核心。我们的目标是和文件系统相媲美，但是过程将完全不一样。这个系统，根据Shakshuki等人描述的三个层次的设计，将更加侧重在用户管理上。但是，我们的中间目标是要先解决问题。各个系统之间智能体的认知水平也是不一样的，例如，在我们系统中，信息来源是一个或多个智能体拥有的知识，而地图网页系统则是基于信息源和智能体之间的直接关联。
最后，我们的目的不只是为了要提高模型的学习和适应能力，还要提供可复用模型的系统结构以及智能体之间的协同方法。这样，该模型将能够独立地运用于不同的信息领域内。

3. 基于多智能信息系统的体系结构和模型

多智能信息系统建模需要几个概念描述（ 见表1）。最上层是系统结构和组件，中间层是智能体及组群之间的行为模式;最底层是详细的智能体内部模型。
表1 多智能系统概念模型

统一建模语言，尤其是智能统一建模语言（也叫AUML[ 2]）是用来描述模型。这种语言的优势在于提供了一定程度的标准化以及更正式的语义模型。

3.1多智能体系结构

MAPIS，多智能体个性化信息系统，通过用户和信息来源提供个性化访问信息集（图1：MAPIS，通过智能搜索和数据库与用户交互）。

图1：MAPIS的一般性描述

据AUML[2]中的描述，MAPIS采用四种任务类型（图2）：
•用户和系统间的辅助调解；
•数据源的智能搜索
•个人智能系统用户管理模型
•协调信息检索和个性化进程及数据集成以生成适当的解决方案。

图2：MAPIS智能系统及功能
外部系统间不同接口的辅助和智能搜索功能；系统内部的用户和数据源。

3.2相互作用

系统间智能体的交互作用通过用户请求和文件数据进行传递。智能体间的通信协议由多智能体系统的需求来定义。
3.2.1通信协议要求
智能体之间的通信是通过信息交换来完成的。多任务环境下，点对点是很必要的方式。此外，为促进持续的活动，同步和异步方式都必需可用。例如，特定项的智能搜索能力，用户交互能力；多任务下的异步消息扩散能力。空置的智能体可以同步进行消息的响应以便保持可用性。发起通信的智能体具体第一响应以确保请求结束时将其释放。
图3是对此种类型的信息交换方式的说明，其中请求的发起者传递消息给特定的智能体m。空闲智能体n响应并保留可用性信息。然后请求者确认第一响应者（图中称参与者）并释放其他智能体，使其再次闲置能够执行其他任务。如果没有可用的闲置智能体进行响应，则重复继续请求。图3（a）中描述的是参与搜索协议；图3（b）表示的是相似性搜索协议。这两种方式再同步方案中都经常使用，为避免重复，在子图中另作介绍。

图3 MAPIS系统中互动子图
消息的内容取决于消息类型（请求，响应等）和数据交换有关的信息检索和用户文件。通信协议基于四种类型的消息：
•CFP：参与任务的呼叫
•CFS：过去和当前的任务之间的相似处呼叫
•回应：响应请求（接受或拒绝）
•通知：数据传输。
可能的六种数据类型，取决于消息类型：
•订阅：订阅数据
•识别：识别信息传送给用户
•要求：用户请求
•描述：用户文件
•查询：信息检索
•结果：整个过程的最后信息。
3.3.2个性化过程
MAPIS多智能系统根据请求响应历史和用户数据的信息域来管理其信息化过程。
设D为信息系统的数据定义域。
D ‘是包含于数据集的响应列表，D ‘不是的子集，但依赖于D。例如：
•如果 D 对应着行程规划信息，D ‘ = {出发，到达，到达时间，出发时间，日期，旅行原因。
•如果 D 对应着音乐库，则D ‘ ={目录，歌名，日期，说明} 。
设R为可能的请求集，若

设A为可能的响应集，对请求可能做出的所有响应：

根据需要完成的个性化特点进行用户建模，设U是已知用户集。
设Q是由设计师根据信息域定义的标准和偏好。
系统将用户分为三个数据集：用户系统的静态数据集(Su) ；由系统推导出的数据集(Pu) ;用户系统的历史数据集(Hu)。
∀u∈U, 用户文件系统u ， Mu=(Su,Pu,Hu).
Su定义为响应用户u的静态数据集
Pu是必需的个性化信息的加权值，如：tPu={(xq,yq),∀q∈Q}，当
•xq是重要值∈（1，α）
•yq 是置信值且∈（1，α）
默认情况下，xq的权重值设为α/ 2（q是平均重要值标准），yq权重值最低设为1。
Hu是待解决的请求，如：
Hu={r,a,ω),r∈R,a∈Ar}
其中w是根据Ar（请求r的可能解决方案集）排序定义的函数。
使用上述定义描述个性化过程。图4介绍了任务之间的转移情况，描述了通用方式的整体互动过程（更为详细的描述见[ 21]）。

图4 个性化过程
以上图为例，给出了整体交互的过程。每一次智能体A通过cft方式选择智能体B，并将任务委托它。
•用户U通过GUI（图形用户界面）进行信息搜索，将其请求（R）传送到A1（辅助智能体）。
•A1将R传送到C（解决智能体）。
•Ç需要用户U的个人资料以确定最佳的解决方案，所以要求P（文件智能体）来提供。
•在搜索相关的数据之前，C需要检查它的数据库看是否存在类似的数据（类似的数据相当于类似文件的相同的请求）。
•然后，C发送响应到所有其他的解决智能体之处。
•如果没有积极的响应，就由C通过向S（搜索智能体）请求相关数据来计算R的最佳解决方案并作出决定。
解决方案通过A2（另一个辅助智能体）被提交给用户。
此图（图4）是典型地在解决方案智能体没有类似请求的前提下，根据其自身的知识以及用户第一次拒绝的解决方案作出的第二次尝试。
个性化过程本身根据不同的任务需要不同功能的智能体，每一个给定的任务类型对应一组特定技能的特定智能体。因此，当初始智能体不具备完成某一任务的功能时，就涉及到智能体之间的委托和转移。辅助智能体收到的请求类型后，根据文件系统和智能体类型将任务进行规划和转移。求解智能体同时进行数据份额分析和检索任务，并在给定的时间内对两个以上的智能体创建分组和合作。
智能体之间包括搜索相关智能体、转移任务和发现数据。这个过程需要反复利用第3.2.1节（图3）中所描述的参与搜索协议。该协议确保了两个以上智能体的基本自治和管理。求解智能体利用过去的经验使用异同搜索协议寻找以前类似排队请求，调用过去类似请求的解决方案重复使用。这里所说的“类似”包括请求和文件，然而意义略有不同。请求类似是指它们在相似的文件中具有同一性。文件相似则是指之间的标准值低于δ（δ由系统管理员定义）。
(sim(Pu1,Pu2))⇔(∀q∈Q,∀(xq1,yq1)∈Pu1,∀(xq2,yq2)∈Pu2,(xq1=xq2)∧(|yq1−yq2|<δ))
总之，个性化过程基于一系列智能体之间的相互作用。智能体之间彼此联系，执行任务，然后闲置。每次处理一个新的请求时，围绕所需个性化任务的启动顺序，需要启动新的小组。因此这个组织是动态的，在任何特定的时刻，可以由有共同目标的成员组成不同的、可变的子组或小组。

3.3智能模型

如前所述，每一个任务需要不同的技能，并且处于不同的活动周期。因此每个智能体要遵循共同的协议（如通信协议、CFP协议）和完成相关任务的技能及知识。
设As、Se、Pr和So分别为具有辅助、搜索、知识、解决功能的智能体。A是智能体集合，即As、Se、Pr和So都是A的子集。
辅助智能体负责系统和用户之间的交互，从用户处获得数据，分析并传送给系统内部智能体，同时将从其他智能体处获得的数据结果反馈给用户，即双输入定义：请求和响应。图5是典型辅助智能系统的简要描述。

图5：辅助智能体的任务循环
辅助智能体必须能够分析用户请求（验证函数）并给出符合用户偏好的方案（适应函数）。这些函数能够在不同层运行。例如请求分析既可以使用简单的语法分析器，也可以采用更复杂的方式对语义进行丰富。分析结果既可以是简单的图形格式变化，也可以是更复杂的概念，如界面的可塑性。
MAPIS系统的辅助智能模型定义如下：
As=(基本技能，辅助技能，知识集）
知识集={{d’，d’∈D’}∪技能（求解程序）∪技能（配置文件）}
辅助技能={验证：R→R，adapt：→}
辅助智能体管理用户界面系统，在系统接口和外部数据源之间扮演了重要的搜索角色。它们接收信息需求，传输检索到的信息（图6）。

图6 搜索智能体任务循环
搜索模型可以定义如下：
Se=（基础功能，搜索功能，知识集）
知识集={d,d∈D}
搜索技能={搜索数据R→P(D)}
此种智能体管理、更新用户配置文件，为新用户创建新的配置文件，响应来自其他智能体的信息请求，并根据当前和过去的情况更新现有配置文件（图7）。它的主要功能是学习的能力，以及技术的更新（更新函数）。

图7 配置文件智能体功能循环
配置文件模型定义如下：
Pr=（基本功能，配置文件功能，知识集）
知识集={Mu,∀u∈U}
文件配置功能={搜索U→Mu,更新Ru×Hu→Ru}
最后，是求解程序智能体，它们担负着信息研究和信息个性化。其核心作用在数据检索，以产生适当的解决方案（求解函数）图8。基本上，这些智能体都必须具有推理能力，能够整合数据并协调与其他智能体之间的任务。

图8：求解智能体功能循环
求解模型定义如下：
So=（基本功能，求解功能，知识集）
知识集={(hu,Pu),hu∈Hu}
求解功能={solve:R×Ru×P(D)→A,cfs:R×Ru→So}
上述四种模型对于个性化进程的贡献在于（图9）：
（1）选择数据库进行搜索，减少了信息流。
（2）管理和更新用户配置文件，保留每个相关用户的相关信息。
（3）测定匹配数据集和用户配置文件，以根据用户的喜好或需要提供相关的响应。
（4）符合用户所需的适应响应。

图9：个性化进程步骤
这些步骤可以被跳过，但是每一步（或说每一个模型）都提供了个性化进城的一部分，移除任何一个都可能对最终的响应结果产生或多或少的影响，而一套个性化方案旨在提供最佳响应方式。

4 MAPIS在AgenPerso中的应用：个性化交通信息系统

MAPIS多智能体系统目前被用来在个性化旅游信息系统中测试，即AgenPerso。AgenPerso原型整合了多种类型的交通工具，是对MAPIS的实际应用，通过对技术进行分解来完成个性化信息的确认和验证。
接下来是可行性研究，测试在交通运输中使用智能信息系统能够获得的好处，范围涉及多个类型。在出行前使用交通信息系统MAPIS，即AgenPerso，提供个性化出行计划。不同于其他出行规划工具，若必要，该系统包括尽可能多的设计模式（如公共汽车，地铁，出租车，步行）来满足用户的喜好和需要。虽然目前该应用还处于原型阶段，但是可以根据其概念和类型生产。
AgenPerso实现MAPIS需要做到以下几点：
•辅助类被实例化之后智能体的相关知识如出行的相关原因。事实上，系统需要了解旅客必须出行的原因，比如“参与戏剧，哈姆雷特”（选择的事项而非到达某地的时间和地点，请求列表形式如图13）

图13针对老年用户的请求和应答界面实例
•求解类通过过载方式实施选择方案，求解器需要根据其知识范围从所有可能的解决方案中选择一个适合的。此过程依赖于系统预设功能：简单过滤，收集信息，或更具体的问题处理，如规划或解决问题。在交通信息范围内，最好的解决方案标准是满足交通工具，时间和成本各方面。
•搜索类必须知道所使用的数据源，访问方式和数据格式等。数据存储在IS中，通过本地或外部网访问。在后一种情况下，如Shakshuki等人所说，智能体有能力找到合适的资源[25]。在我们这个应用中，搜索智能体要能够尽快提供数据源的相关信息，如接入网络和时间表。
•文件配置类需要前期工作。事实上，有如下几个问题：哪些是固定不变的，可区分的？哪些方式是最适合作技术学习的？（学习、观察等[10]）哪一部分请求和响应是必须要存储的？此外，由于用户的相关信息必须被定义，即系统所需的静态和动态数据，那么其他的问题出现了，如：是否有必要了解用户的地址或年龄？ AgenPerso需要定义两个模块：一个模块将从用户处接收到的请求和响应进行记录和排序；另一个模块基于知识进行推理，修改选择的加权值以使结果更趋于标准。
由于个性化进程基于系统对用户的了解，因此每个新用户首先要完成一个申请表格(见图10），填写三类相关信息：
•身份信息和联系方式，如地址、电话号码等。
•默认相关信息，固定选项如专业类别
•关于出行交通的更进一步信息，有关偏好如首选步行的距离。

图11 申请表
在这些数据的基础上，用户的初步个人信息文件被创建（图11a），然后根据特定用户，其值再作改变（图11b）。

图11 特征值权重调整实例
由此推出两种请求：经典的请求是出发和到达的日期和地点，新的请求是在系统事件列表中选择旅行原因，然后由系统考虑所有可能的模式和用户的特殊性，据此计划行程。如图12和13，分别表示对给出相同原因的不同俩人所做的规划结果，其中一个的首要标准是财力；另一个的首要标准是步行距离。系统的判定依据是从一套可行的解决方案中选择最中肯的。用户可以接受，也可以拒绝。如果拒绝，系统则根据针对性顺序提出下一个方案。

图12 学生用户的请求和解决方案界面
该应用程序提供了一个MAPIS如何实现多智能的个性化信息服务模式的例子。智能类被实例化和详细化以满足应用需求。相关知识包括用户模型和系统的个性化定义标准。

5 结论和展望

面向对象的多智能IS是多智能系统从设计到实施的第一步。其设计需要组织、互动和认知水平方面的多智能模型。我们提出的MAPIS是多智能模型体系的一部分，提供了个性化的响应方式。从总体上处理这些进程需要特定的功能：与用户交互，与数据源交互，用户配置文件管理和信息处理。
本研究的下一步将涉及研究方法的设计，并在MAPIS的基础上提出支持个性化信息系统设计的工具。计算机辅助软件工程（CASE）将提供设计、集成和开发的智能体预先设定模式，协助设计师更好地处理其他问题，包括模型，行为和代码生成（Weiss等人的描述[30]），以便更好地实现可复用性。
我们的行程规划原型需要更多的数据和更大数量的用户进行验证。我们预期该系统可能连接到个人程序上（例如，掌上电脑），以便有更多信息能够加以考量，当用户信息有变影响到其行程时能提供通知。该系统将整合旅行相关数据，如住宿和餐饮业信息，商店或公共管理部门的开放时间。另一个改进是提供不同的信息格式，以适应用户的硬件/软件，如个人电脑，公共信息点或手机。

参考文献

[1]E. Adam, R. Mandiau, C. Kolski Application of a holonic multi-agent system for cooperative work to administrative processes Journal of Applied Systems Studies, 2 (2001), pp. 100–115
[2]B. Bauer, J.P. Muller, J. Odell Agent UML: a formalism for specifying multiagent interaction P. Ciancarini, M. Wooldridge (Eds.), Agent-Oriented Software Engineering, Springer, Berlin (2001), pp. 91–103
[3]D. Billsus, M.J. Pazzani, J. Chen A learning agent for wireless news access Proceedings of 2000 International Conference on Intelligent User Interfaces, New Orleans, USA (2000) pp. 94–97
[4] P. Brusilovsky Adaptive hypermedia User Modeling and User-Adapted Interaction, 11 (2001), pp. 87–110
[5]G. Calvary, J. Coutaz, D. Thevenin, Q. Limbourg, N. Souchon, L. Bouillon, M. Florins, J. Vanderdonckt Plasticity of user interfaces: a revised reference framework in: Proceedings of the First International Workshop on Task Models and Diagrams for User Interface DesignInforec Publishing House, Bucharest (2002) pp. 127–134
[6]D. Camacho, J.M. Molina, D. Borrajo, A multiagent approach for electronic travel planning, Second International Bi-Conference Workshop on Agent-Oriented Information Systems (AOIS-2000) at AAAI-2000, Austin, TX, USA.
[7]G. Carenini, J. Smith, D. Poole Towards more conversational and truly collaborative recommender systems Proceedings of the 2003 International Conference on Intelligent User InterfacesACM Press (2003) pp. 12–18
[8] Foundation for Intelligent Physical Agents, FIPA Iterated Contract Net Interaction Protocol Specification, Document SC00030H, December 2002.
[9]M.P. Gleizes, P. Glize, J. Link-Pezet, An adaptive multi-agent tool for electronic commerce, The Workshop on Knowledge Media Networking, Ninth IEEE International Workshops on Enabling Technologies: Infrastructure for Collaborative Enterprises (WETICE 2000), Gaithersburg, MD, USA, 4–16 June. IEEE Computer Society, 2000, pp. 59–66.
[10]J. Goecks, J. Shavlik Learning users’ interests by unobtrusively observing their normal behavior
Proceedings of the 2000 International Conference on Intelligent User InterfacesACM press (2000) pp. 129–132
[11]N.R. Jennings On agent-based software engineering Artificial Intelligence, 117 (2000), pp. 277–296
[12]M. Klusch Information agent technology for the Internet: a survey Data and Knowledge Engineering, 36 (2001), pp. 337–372
[13]B. Krulwich, C. Burkey The InfoFinder agent: learning user interests through heuristic phrase extraction IEEE Expert: Intelligent Systems and their Applications, 12 (1997), pp. 22–27
[14]Y. Lashkari, M. Metral, P. Maes Collaborative interface agents Proceedings of the Twelfth National Conference on Artificial Intelligence, Seattle, USA, vol. 1AAAI Press (1994) pp. 444–449
[15]W.P. Lee, T.C. Tsai An interactive agent-based system for concept-based web search Expert Systems with Applications, 24 (2003), pp. 365–373
[16]M. Li, M. Qi MAPBOT: a web based map information retrieval system Information and Software Technology, 45 (2003), pp. 691–698
[17] H. Lieberman Letizia: an agent that assists web browsing International Joint Conference on Artificial Intelligence, Montreal, Canada (August 1995)
[18]P. Moraitis, E. Petraki, N. Spanoudakis, Providing advanced, personalised infomobility services using agent technology, 23rd SGAI International Conference on Innovative Techniques and Applications of Artificial Intelligence (AI2003), Peterhouse College, Cambridge, UK, 15th–17th December 2003.
[19]M. Nodine, J. Fowler, B. Perry An overview of active information gathering in InfoSleuth Proceedings of the Second International Symposium on Cooperative Database Systems for Advanced ApplicationsSpringer, Berlin (1999)
[20]C. Petit-Rozé, A. Anli, E. Grislin-Le Strugeon, M. Abed, C. Kolski, AGENPERSO—Interfaces Homme-Machine à base d’AGENts logiciels PERSOnnels d’information aux usagers des TC, Final report of PREDIT project, Valenciennes, France, 2003.
[21]C. Petit-Rozé, E. Grislin-Le Strugeon Intelligent agents to structure and to process personalized information systems Proceedings International Conference on Intelligent Agents, Web Technologies and Internet CommerceDiskTech Pty Ltd, Canberra, Australia (2003) pp. 165–174
[22]C. Petit-Rozé, E. Grislin-Le Strugeon Interaction with agent systems for intermodality in transport systems,in: M. Smith, G. Salvendy, D. Harris, R. Koubek (Eds.), Usability Evaluation and Interface Design: Cognitive Engineering, Intelligent Agents and Virtual Reality, LEA, London (2001), pp. 494–498
[23]M.P. Ramos, Structuration et évolution conceptuelles d’un agent assistant personnel dans les domaines techniques, PhD Thesis, France, 2000.
[24]K. Saleh, C. El-Morr M-UML: an extension to UML for the modeling of mobile agent-based software systems Information and Software Technology, 46 (2004), pp. 219–227
[25]E. Shakshuki, H. Ghenniwa, M. Kamel An architecture for cooperative information systems
Knowledge-Based Systems, 16 (2003), pp. 17–27
[26]U. Shardanand, P. Maes Social information filtering: algorithms for automating ‘Word of Mouth’
Proceedings of the CHI-95 ConferenceACM Press (1995) pp. 210–217
[27]J. Simons, A. Arampatzis, B.C.M. Wondergem, L.R.B. Schomaker, Th.P. van der Weide, C.H.A. Koster PROFILE—a multi-disciplinary approach to information discovery,in: G. Wagner, Y. Lespérance, E. Yu (Eds.), Agent-Oriented Information Systems 2000, Proceedings of the Second International Workshop at CAiSE*00, Stockholm (2000)
[28]K. Sycara, J.A. Giampapa, B.A. Langley, M. Paolucci The RETSINA MAS, a case study
,in: A. Garcia, C. Lucena, F. Zambonelli, A. Omici, J. Castro (Eds.), Software Engineering for Large-Scale Multi-Agent Systems: Research Issues and Practical Applications, LNCS 2603, Springer, Heidelberg, Berlin (2003), pp. 232–250
[29]G. Wagner Information systems have to deal with objects and with agents International Bi-Conference Workshop on Agent Oriented Information Systems, Heidelberg (1999)
[30]M. Weiss Patterns for motivating an agent-based approach ,in: M.A. Jeusfeld, O. Pastor (Eds.), Conceptual Modeling for Novel Application Domains, LNCS 2814, Springer, Berlin (2003), pp. 229–240

查看原文

（翻译：11S017011 何苾菲）

转载请注明：陈童的博客 » MAPIS:多智能化的个性信息服务系统