Evolutionary intelligent agents for e-commerce: Generic preference detection with feature analysis

Abstract

Product recommendation and preference tracking systems have been adopted extensively in e-commerce businesses. However, the heterogeneity of product attributes results in undesired impediment for an efficient yet personalized ecommerce product brokering. Amid the assortment of product attributes, there are some intrinsic generic attributes having significant relation to a customer's generic preference. This paper proposes a novel approach in the detection of generic product attributes through feature analysis. The objective is to provide an insight to the understanding of customers' generic preference. Furthermore, a genetic algorithm is used to find the suitable feature weight set, hence reducing the rate of misclassification. A prototype has been implemented and the experimental results are promising.

Agent-based consumer learning in e-commerce

“…In order to achieve the goal of the user, agents can perform the following actions (Reticular, 1999): execute autonomously, communicate with other agents or the user, and monitor the state of their execution environment. Intelligent agents are especially able to exploit significant amounts of domain knowledge, to tolerate errors and unexpected input, to use symbols and abstractions, to adapt to goal-oriented behavior, to learn from the environment, and to operate in real-time (Newell, 1988 Product recommendation and preference tracking systems have been adopted extensively in e-commerce (Guan et al, 2005). The intelligent agent is used to improve accessibility of E-commerce applications and Web sites for visually impaired individuals (Pontelli and Son, 2003).…”

Arquitectura de búsqueda basada en técnicas soft computing para la resolución de problemas combinatorios en diferentes dominios de aplicación

“…), contemplando desde campos numéricos como el precio hasta campos descriptivos como la marca [Guan et al, 2005]. Por tanto, la ontología empleada para describir los artículos juega un importante papel en el descubrimiento de las preferencias del usuario, puesto que constituye un punto de partida para el mismo.…”

“…Por ejemplo, pueden emplearse ontologías basadas en el producto, donde se categorizan y se clasifican (mapean) los productos heterogéneos de forma taxonómica [Guan et al, 2005].…”

“…Los sistemas basados en el contenido o en la búsqueda empleanúnicamente las preferencias del usuario procurando recomendarleítems similares a losítems que le gustaron en el pasado [Terveen and Hill, 2001;McGuinness and Wright, 1998;Guan et al, 2005;Maes, 1994]. Tratan el problema de la recomendación como una búsqueda deítems relacionados, intentando encontrar losítems que tengan características comunes a losítems ya comprados y valorados por el cliente (mismo autor, mismo director, etc.).…”

“…La utilización del filtrado por colaboración para la obtención de recomendaciones tiene un coste computacional elevado [Guan et al, 2005]. Así, es de O(M N ) en el peor caso (siendo M el número de consumidores y N el número deítems presentes en el catálogo de productos), puesto que se examinan M consumidores y hasta un máximo de N productos para cada uno de ellos.…”