基于Agent的提議修正的情感勸說(shuō)交互模型

伍京華，郄曉彤，王佳瑩

(中國(guó)礦業(yè)大學(xué)(北京) 管理學(xué)院，北京 100083)

0 引言

Agent能夠根據(jù)外部環(huán)境變化，自主完成預(yù)先設(shè)定的任務(wù)，具有自治、主動(dòng)、協(xié)作和能動(dòng)態(tài)調(diào)整等特殊功能，是人工智能與計(jì)算機(jī)系統(tǒng)結(jié)合的產(chǎn)物?；贏gent的自動(dòng)談判利用其人工智能優(yōu)勢(shì)，通過(guò)計(jì)算模擬使商務(wù)智能中的自動(dòng)談判更加符合人們的實(shí)際商務(wù)談判，并能極大節(jié)約成本?；贏gent的勸說(shuō)考慮Agent具有模擬人勸說(shuō)的人工智能優(yōu)勢(shì)，是對(duì)基于Agent自動(dòng)談判的發(fā)展。到目前為止，出現(xiàn)了更加智能和高級(jí)的形式，即基于Agent的情感勸說(shuō)，進(jìn)一步利用Agent模擬人類(lèi)情感的人工智能優(yōu)勢(shì)，使商務(wù)智能中的自動(dòng)談判更加合理有效。建立基于Agent的情感勸說(shuō)交互模型，可以使Agent在復(fù)雜和動(dòng)態(tài)的環(huán)境中更好地模擬人的談判，進(jìn)而保證基于Agent的情感勸說(shuō)順利進(jìn)行并高效完成，因此意義重大。目前來(lái)看，該領(lǐng)域研究主要集中在基于Agent的提議修正、基于Agent的情感、基于Agent的勸說(shuō)及情感勸說(shuō)和基于Agent的交互模型幾方面。

在基于Agent的提議修正研究方面，危小超等[1]結(jié)合后悔理論，考慮Agent與其他Agent的互動(dòng)和學(xué)習(xí)過(guò)程，構(gòu)建了基于Agent的提議修正模型，用于其中的決策，但沒(méi)有加入情感因素；錢(qián)麗麗等[2]在后悔理論的基礎(chǔ)上提出灰色感知效用函數(shù)，對(duì)Agent的感知效用進(jìn)行計(jì)算，構(gòu)造了能使Agent效用達(dá)到最大的提議修正模型，但在效用函數(shù)計(jì)算時(shí)同樣沒(méi)有考慮情感；黃士寬[3]考慮后悔理論中的Agent有后悔規(guī)避的心理，運(yùn)用區(qū)間灰數(shù)方法研究了提議修正問(wèn)題；林文豪等[4]對(duì)區(qū)間二元語(yǔ)言相關(guān)變量進(jìn)行定義后，考慮后悔理論中的風(fēng)險(xiǎn)規(guī)避和Agent感知效用中的后悔和欣喜心理，提出一種提議修正方法。以上文獻(xiàn)都對(duì)基于Agent的提議修正進(jìn)行了研究，建立了模型，但是沒(méi)有綜合考慮Agent的情感和勸說(shuō)這一重要的人工智能特性，需要進(jìn)一步研究和改進(jìn)。

在基于Agent的情感研究方面，盧阿麗等[5]提出一種基于情感識(shí)別的自適應(yīng)多Agent虛擬智能計(jì)算機(jī)輔助教學(xué)系統(tǒng)(Intelligent Computer Assisted Instruction，ICAI)；郭曉宇[6]構(gòu)建了一種具有情感因子的Agent概念模型(Agent Conceptual Model with Emotional factors, ACME)，并闡述了其形式化描述過(guò)程、情感決策過(guò)程及相應(yīng)的算法，最后進(jìn)行了建模和仿真；蔣艷榮等[7]提出一種基于Agent的情感和個(gè)性的注意控制模型。這些研究雖然都通過(guò)評(píng)估Agent的不同動(dòng)作和行為得到了Agent的不同情感狀態(tài)和情感強(qiáng)度，并對(duì)Agent的這些不同情感狀態(tài)進(jìn)行了形式化描述和分類(lèi)，研究了基于情感因子的Agent，但是均只研究了Agent的情感，并沒(méi)有研究情感對(duì)基于Agent的勸說(shuō)過(guò)程的影響。Creed等[8]從情感產(chǎn)生的影響出發(fā)，研究了不同時(shí)間段中情感Agent產(chǎn)生的具體影響，認(rèn)為情感Agent會(huì)對(duì)人的行為產(chǎn)生積極影響，這種影響會(huì)隨時(shí)間慢慢消減，但未構(gòu)建模型，而將情感的具體影響體現(xiàn)在基于Agent的勸說(shuō)中；金鉞[9]綜合情緒心理學(xué)領(lǐng)域的研究成果，針對(duì)情感計(jì)算的特點(diǎn)和需求分析，概括出情感產(chǎn)生發(fā)展的機(jī)理，對(duì)情感的產(chǎn)生、發(fā)展、表現(xiàn)等一系列具有本質(zhì)聯(lián)系的連續(xù)流程及其驅(qū)動(dòng)和運(yùn)行原因進(jìn)行了研究，給出利用計(jì)算機(jī)處理情感的基本流程，并研究了情感對(duì)Agent的影響，提出相應(yīng)的Agent的情感計(jì)算方法，但也沒(méi)有將其與基于Agent的勸說(shuō)結(jié)合起來(lái)進(jìn)行深入研究，因此有必要在這方面進(jìn)一步拓展。

在基于Agent的勸說(shuō)及情感勸說(shuō)研究方面，曹珊[10]提出提議值均衡的觀點(diǎn)，在談判目標(biāo)中引入控制提議值均衡程度函數(shù)，設(shè)計(jì)了一種基于差分進(jìn)化算法的多Agent辯論談判策略；陳培友等[11]將馬爾科夫鏈方法應(yīng)用于對(duì)談判對(duì)方各輪提議值的預(yù)測(cè)中，并與改進(jìn)后的遺傳算法相結(jié)合，構(gòu)建了面向Agent的馬爾科夫多議題自動(dòng)談判模型；楊興燚[12]結(jié)合談判中的時(shí)間策略和行為模仿策略，提出基于Agent信任機(jī)制的談判協(xié)議，并闡述了Agent的體系結(jié)構(gòu)和通信方式，設(shè)計(jì)了基于Agent信任機(jī)制的自動(dòng)談判系統(tǒng)；孫華梅等[13]結(jié)合人際勸說(shuō)理論，對(duì)基于Agent的勸說(shuō)進(jìn)行了分類(lèi)，并結(jié)合形式化理論構(gòu)建了相應(yīng)的形式化表述模型和交互機(jī)制。以上文獻(xiàn)研究了基于Agent勸說(shuō)中的提議值和產(chǎn)生模型，但模型中均未考慮Agent的情感特性。

為此，伍京華等[14]對(duì)Agent的情感進(jìn)行分類(lèi)，提出Agent情感產(chǎn)生的形式化模型，并結(jié)合心理學(xué)的情感第一定律對(duì)Agent的情感進(jìn)行量化，提出計(jì)算Agent情感強(qiáng)度的方法；Mian等[15]將Agent的情感作為信息系統(tǒng)中該領(lǐng)域研究的關(guān)鍵要素，深入分析了Agent的情感在勸說(shuō)中的作用；Carolis等[16]利用Agent模擬情感和非理性模式下人們說(shuō)服對(duì)方執(zhí)行某種操作的行為，提出一種基于Agent勸說(shuō)的計(jì)算模型。以上文獻(xiàn)在交互模型的構(gòu)建中初步考慮了情感，但未將原有交互模型和加入情感后的交互模型進(jìn)行對(duì)比，沒(méi)有體現(xiàn)Agent加入情感后如何修正提議，因此也不能體現(xiàn)情感在基于Agent勸說(shuō)中的影響。董學(xué)杰等[17]在分析談判Agent的情感決策過(guò)程后，建立了一般情況下的情感產(chǎn)生模型和決策模型，提高了Agent的智能程度和適應(yīng)性，然而該文獻(xiàn)對(duì)其中交互過(guò)程的設(shè)計(jì)比較簡(jiǎn)單，需要進(jìn)一步深入研究。

在基于Agent的交互模型研究方面，張京敏等[18]引入中介Agent，提出一種基于Agent強(qiáng)化學(xué)習(xí)的雙邊優(yōu)化談判模型，從強(qiáng)化學(xué)習(xí)策略中選出最好的參數(shù)進(jìn)行談判，并研究了中介Agent的自適應(yīng)學(xué)習(xí)能力，該研究從間接情感角度賦予Agent交互能力，提高了Agent的適應(yīng)性和基于Agent的自動(dòng)談判性能，但未考慮Agent的直接情感，導(dǎo)致在Agent的情緒和情感判斷及識(shí)別方面均有欠缺；胡喆[19]考慮Agent的公平感知對(duì)其交互行為的影響，提出公平感知下的多Agent協(xié)同及交互的談判框架、模型和流程；李靜[20]在基于Agent的勸說(shuō)中運(yùn)用前景理論，考慮談判Agent的心理偏好及其決策行為，發(fā)揮機(jī)器學(xué)習(xí)算法的優(yōu)勢(shì)，引入一種新型動(dòng)態(tài)學(xué)習(xí)方法(population-based incremental learning)，優(yōu)化了基于前景理論的Agent勸說(shuō)交互策略。以上研究均涉及了Agent的情感，并結(jié)合不同理論構(gòu)建了基于Agent的交互模型，然而這些模型都只是初步研究，而且偏向于研究Agent在其中的決策行為，并未綜合考慮Agent的情感和勸說(shuō)特性，因此研究不夠全面。

另外，F(xiàn)atima等[21]的研究局限于Agent之間就勸說(shuō)屬性進(jìn)行的交互，而且多采用勸說(shuō)與反勸說(shuō)的形式，有的甚至僅對(duì)比兩方提議值，而不采用勸說(shuō)形式，使Agent具有的智能性并不能被很好地利用，需要設(shè)計(jì)合理的交互模型來(lái)模擬Agent的交互過(guò)程；Katzay等[22-23]對(duì)基于Agent的勸說(shuō)機(jī)制、分類(lèi)和交互進(jìn)行了研究，但其應(yīng)用領(lǐng)域很受限制，并不適用于所有的勸說(shuō)壞境，因此需要進(jìn)一步考慮Agent的情感特性，設(shè)計(jì)通用性較強(qiáng)的交互模型，以滿(mǎn)足不同領(lǐng)域的需求；Li等[24]對(duì)基于Agent勸說(shuō)的交互過(guò)程建立了模型，但對(duì)Agent的情感勸說(shuō)方面考慮較少；Reed等[25]提出在勸說(shuō)中針對(duì)Agent勸說(shuō)屬性的形式化模型，并進(jìn)行了分析；馮嘉珍等[26]從目標(biāo)優(yōu)化角度研究了Agent的交互策略，提出基于Agent自適應(yīng)博弈的交互行為，但同樣沒(méi)有考慮情感，不能使Agent很好地應(yīng)對(duì)和適應(yīng)決策的復(fù)雜環(huán)境；談莉斌等[27]通過(guò)相似度計(jì)算產(chǎn)生備選對(duì)象候選集，從中找到與目標(biāo)對(duì)象相似的備選集，但也沒(méi)有考慮情感，忽略了Agent的情感個(gè)性，不能滿(mǎn)足Agent的需求。從以上文獻(xiàn)來(lái)看，已有的Agent交互模型在設(shè)計(jì)中存在模型簡(jiǎn)單、通用性不強(qiáng)和考慮情感較少等缺陷，因此對(duì)基于Agent情感勸說(shuō)的交互模型有必要進(jìn)行深入研究。

綜上所述，現(xiàn)有研究雖然從不同角度對(duì)該領(lǐng)域進(jìn)行了不同程度地探索和研究，但是對(duì)該交互模型的量化研究不夠，導(dǎo)致Agent的情感等人工智能優(yōu)勢(shì)未能在商務(wù)智能基于Agent的自動(dòng)談判領(lǐng)域被充分利用。本文設(shè)計(jì)了基于Agent的情感勸說(shuō)的交互函數(shù)及規(guī)則，運(yùn)用多屬性效用理論和期望理論構(gòu)建了與Agent情感有關(guān)的因子算法，并考慮了提議修正，建立了基于Agent提議修正的情感勸說(shuō)交互模型，充分發(fā)揮了Agent的智能優(yōu)勢(shì)。

1 基于Agent提議修正的情感勸說(shuō)交互模型

在基于Agent的自動(dòng)談判中，建立交互模型是保證這種自動(dòng)談判順利高效進(jìn)行和完成的前提。而交互模型的建立，首先要設(shè)計(jì)交互規(guī)則，然后構(gòu)建交互函數(shù)。

1.1 交互規(guī)則

首先對(duì)基于Agent的提議修正的情感勸說(shuō)交互過(guò)程進(jìn)行分析，如圖1所示。

從圖1可知，參與自動(dòng)談判的買(mǎi)方Agent(EPa)和賣(mài)方Agent(EPb)的交互規(guī)則如下：

(1)EPa和EPb在每一輪情感勸說(shuō)過(guò)程中都遵循EPa優(yōu)先提議的原則。

(2)EPa和EPb首輪需按期望值提出提議值，之后按交互策略進(jìn)行交互。

(3)EPa和EPb接收到對(duì)方的提議值后，首先判斷是否存在閾值沖突。若存在，則情感勸說(shuō)失敗，退出；若不存在，則按流程繼續(xù)進(jìn)行情感勸說(shuō)。

(5)首輪之后，買(mǎi)方在每次情感勸說(shuō)前先判斷當(dāng)前情感勸說(shuō)輪次是否達(dá)到最大。若已達(dá)到最大輪次，而雙方還未達(dá)成一致，則不再繼續(xù)進(jìn)行談判，情感勸說(shuō)失敗。

1.2 交互函數(shù)

交互函數(shù)的構(gòu)建需要在充分考慮交互時(shí)間動(dòng)態(tài)變化的基礎(chǔ)上建立合適的提議修改算法，即其核心在于構(gòu)建合理有效的提議修正函數(shù)。因此，本文首先假設(shè)買(mǎi)方Agent(EPa)和賣(mài)方Agent(EPb)的情感勸說(shuō)屬性為n，運(yùn)用多屬性效用理論，在文獻(xiàn)[28]時(shí)間約束方法的基礎(chǔ)上進(jìn)行改進(jìn)，從而構(gòu)建相應(yīng)的交互函數(shù)。具體如下：

(3)每個(gè)屬性的提議值的計(jì)算方法如下：

(1)

t≥1,λa≥0,T≥t。

(2)

t≥1,λb≥0,T≥t。

式(1)和式(2)類(lèi)似，因此先以式(1)為例，對(duì)其中的變量及參數(shù)說(shuō)明如下：

(2)cos(P(t-1)·O(t-1))為第(t-1)輪時(shí)EPa和EPb提議值的相似程度，用S表示，用式(3)計(jì)算。其中S∈[-1,1]，P(t-1)和O(t-1)越接近，S越接近1，反之S越接近-1，表示兩者越趨于對(duì)立。

S=cos(P(t-1)·O(t-1))

(3)

(3)λa表示EPa在情感勸說(shuō)過(guò)程中采取的交互策略，本文根據(jù)選擇不同策略進(jìn)行交互過(guò)程的快慢將λa分為3類(lèi)，即0<λa<1為緩慢型交互策略,λa=1為均勻型交互策略,λa>1為急迫型交互策略。λb表示EPb在情感勸說(shuō)過(guò)程中采取的交互策略，分類(lèi)與λa一樣。

本文以EPa為主體和以EPb為主體的研究類(lèi)似，因此在上述研究基礎(chǔ)上，選擇以EPa為主體，進(jìn)一步考慮參與自動(dòng)談判的Agent在情感勸說(shuō)中的提議修正，構(gòu)建提議修正函數(shù)

(4)

因?yàn)橐訣Pa為主體，所以式(2)沒(méi)有變化，式(1)需修改為

(5)

上述研究采用多屬性效用理論，選擇以EPa為主體構(gòu)建相應(yīng)的交互函數(shù)，其中情感勸說(shuō)修正因子計(jì)算如下：

(6)

(7)

1.2.2 目標(biāo)修正因子WActE的計(jì)算

在基于Agent情感勸說(shuō)的交互中存在沖突，會(huì)對(duì)下一次的目標(biāo)產(chǎn)生影響。因此，除了計(jì)算情感勸說(shuō)修正因子外，還要計(jì)算目標(biāo)修正因子，才能構(gòu)建合適的交互函數(shù)。為此，本文在文獻(xiàn)[29]目標(biāo)沖突理論的基礎(chǔ)上，結(jié)合期望效用理論，將交互中的沖突進(jìn)一步歸納為閾值沖突和期望差距沖突，并由此得出目標(biāo)修正因子的計(jì)算方法：

一般來(lái)說(shuō)，在情感勸說(shuō)中處于主動(dòng)地位的Agent通常希望所有情感勸說(shuō)都能最大限度地接近期望值，因此期望差距閾值D接近1；而在情感勸說(shuō)中處于被動(dòng)地位的Agent通常都期望在可以接受的范圍內(nèi)盡可能達(dá)成一致，因此期望差距閾值D接近0。本文的買(mǎi)方先提出情感勸說(shuō)，處于主動(dòng)地位，因此其期望差距閾值D接近1。

上述目標(biāo)修正因子計(jì)算中，對(duì)感知效用值u(i)的計(jì)算尤為重要，現(xiàn)有研究主要通過(guò)直接提議值來(lái)計(jì)算效用，沒(méi)有體現(xiàn)Agent模擬人的人工智能優(yōu)勢(shì)。本文在后悔理論的后悔—欣喜函數(shù)基礎(chǔ)上，將期望效用理論引入感知效用值的計(jì)算中，得到EPa接受到EPb對(duì)屬性i的提議值時(shí)的感知效用計(jì)算函數(shù)，即

(8)

2 算例及分析

2.1 算例

為驗(yàn)證上述模型的合理性和有效性，本文以煤炭行業(yè)供應(yīng)鏈管理中的采購(gòu)商(EPa)與供應(yīng)商(EPb)為降低談判成本和提高談判智能程度而就煤炭的價(jià)格和質(zhì)量進(jìn)行的情感勸說(shuō)為例，假設(shè)最大勸說(shuō)輪次T=10，期望沖突閾值D=0.8，擬定各項(xiàng)數(shù)據(jù)，如表1和表2所示。

表1 EPa和EPb對(duì)該產(chǎn)品價(jià)格的初始值

表2 EPa和EPb對(duì)該產(chǎn)品質(zhì)量的初始值

本文假設(shè)EPa和EPb都采用3種交互策略(λa=1為均勻型交互策略，λa=2為急迫型交互策略，λa=0.5為緩慢型交互策略)進(jìn)行情感勸說(shuō)的交互，如表3所示。

表3 情感勸說(shuō)雙方的交互策略

2.1.1 未考慮Agent提議修正及情感的勸說(shuō)交互過(guò)程

在未考慮Agent提議修正及情感的勸說(shuō)下，雙方的交互過(guò)程如表4所示。

表4 未考慮Agent提議修正及情感的勸說(shuō)交互過(guò)程

續(xù)表4

由表中數(shù)據(jù)可得雙方在不同策略下的交互過(guò)程對(duì)比圖，如圖2～圖4所示。

2.1.2 采用本文模型

采用本文提出的模型，雙方的交互過(guò)程如表5所示。

由表中數(shù)據(jù)可得雙方在不同策略下的交互過(guò)程對(duì)比圖，如5～圖7所示。

表5 采用本文模型的交互過(guò)程

2.2 分析

2.2.1 結(jié)果分析

觀察以上圖表可以得出：

(1)在λa=1，λb=2時(shí)，未考慮Agent提議修正及情感的勸說(shuō)和采用本文模型的交互最終結(jié)果均為情感勸說(shuō)成功。前者的成交價(jià)格值和質(zhì)量值分別為825，683，后者的成交價(jià)格值和質(zhì)量值分別為792，702，表明采用本文模型使交互的成交價(jià)格值和質(zhì)量值都對(duì)買(mǎi)方更有利。

(2)在λa=2，λb=1時(shí)，未考慮Agent提議修正及情感的勸說(shuō)和采用本文模型的交互最終結(jié)果均為雙方達(dá)成一致，情感勸說(shuō)成功。前者的成交價(jià)格值和質(zhì)量值分別為844，696，后者的成交價(jià)格值和質(zhì)量值分別為828，716，同樣表明采用本文模型使交互成交價(jià)格值和質(zhì)量值均對(duì)買(mǎi)方更有利。

(3)在λa=2，λb=2時(shí)，未考慮Agent提議修正及情感的勸說(shuō)和采用本文模型的交互最終均達(dá)成一致，情感勸說(shuō)成功。前者的成交價(jià)格值和質(zhì)量值分別為828，695，后者的成交價(jià)格值和質(zhì)量值分別為828，704，表明采用本文模型使交互成交價(jià)格值對(duì)買(mǎi)方和賣(mài)方都一樣，而質(zhì)量值對(duì)買(mǎi)方更有利。

綜合以上算例和結(jié)果分析來(lái)看，本文模型能使模擬買(mǎi)賣(mài)雙方的Agent在情感勸說(shuō)交互后的成交價(jià)格值比未考慮Agent提議修正及情感的勸說(shuō)所得的值低或至少一樣，質(zhì)量值相比則更高，均有利于買(mǎi)方，而且對(duì)于其他屬性，該結(jié)果也同樣適用。

2.2.2 敏感性分析

在以上研究中，EPa和EPb可以選擇的策略λ為主要影響參數(shù)，因此需要對(duì)其進(jìn)行敏感性分析，以進(jìn)一步說(shuō)明本文模型的合理性和有效性。

首先，EPa和EPb可選擇的λ均為3種，且0<λ<1為緩慢型交互策略，λ=1為均勻型交互策略，λ>1為急迫型交互策略。其次，因?yàn)楸疚囊再I(mǎi)方EPa為主體進(jìn)行研究，所以本文應(yīng)該在賣(mài)家采用固定策略(此處選取均勻型交互策略，即λb=1)的條件下，對(duì)買(mǎi)方EPa的λ展開(kāi)敏感性分析。為更好說(shuō)明，分別選取λa=0.25，0.5，0.75，1，1.25，1.5，1.75，2進(jìn)行代表性研究，得到的具體交互過(guò)程和結(jié)果如表6所示。

表6 λb=1時(shí)λa=0.25，0.5，0.75，1，1.25，1.5，1.75，2所對(duì)應(yīng)的具體交互過(guò)程和結(jié)果

續(xù)表6

從表6可見(jiàn)，當(dāng)賣(mài)方采用固定交互策略時(shí)，買(mǎi)方采用緩慢型交互策略相比于急迫型交互策略所需的交互輪次更多，即對(duì)應(yīng)的λa更大，交互完成所需要的輪次更少，交互完成得更快；相比急迫型交互策略，買(mǎi)方采用緩慢型交互策略對(duì)價(jià)格的成交值更低(如λa=1和λb=2時(shí)的對(duì)比結(jié)果)，對(duì)質(zhì)量的成交值更高(如λa=0.25和λb=2時(shí)的對(duì)比結(jié)果)。因此，買(mǎi)方采用緩慢型交互策略得到的成交值對(duì)自身更有利。事實(shí)上，買(mǎi)方若采用急迫型交互策略，則表示其更迫切地達(dá)成交易，做出的讓步會(huì)更大，所得結(jié)果對(duì)自身不利。

綜合以上各項(xiàng)研究和分析來(lái)看，在本文模型中，作為主要影響參數(shù)，策略λ對(duì)模型結(jié)果的影響是敏感的，而且可根據(jù)以下原則進(jìn)行調(diào)優(yōu)：若買(mǎi)方希望更快達(dá)成交易，則采用急迫型交互策略；若買(mǎi)方希望最后的結(jié)果對(duì)自身更有利，且對(duì)交互時(shí)間和輪次沒(méi)有要求，則采用緩慢型交互策略。因此買(mǎi)方在選擇交互策略時(shí)，可以根據(jù)自身偏好采用不同的策略，最終得到有利于自身的結(jié)果。

3 結(jié)束語(yǔ)

本文在已有研究基礎(chǔ)上，針對(duì)基于Agent的勸說(shuō)交互中對(duì)Agent的情感等其他人工智能優(yōu)勢(shì)利用不夠的現(xiàn)狀，通過(guò)分析交互過(guò)程設(shè)計(jì)了交互規(guī)則，通過(guò)引入情感勸說(shuō)修正因子和目標(biāo)修正因子，并綜合運(yùn)用時(shí)間約束方法、多屬性效用理論、目標(biāo)沖突理論、期望效用理論和后悔理論的后悔—欣喜函數(shù)，構(gòu)建了提議修正函數(shù)，進(jìn)而給出了交互函數(shù)，從而提出基于Agent提議修正的情感勸說(shuō)交互模型。最后，通過(guò)算例說(shuō)明了模型的合理性和有效性，并進(jìn)行了敏感性分析。相比之下，本文做出的改進(jìn)有：

(1)在已有研究基礎(chǔ)上，對(duì)相應(yīng)的模型和算法進(jìn)行了綜合改進(jìn)。首先，將Agent在情感勸說(shuō)過(guò)程中采取的交互策略分為緩慢型、均勻型和急迫型3種，并對(duì)Agent采用不同交互策略時(shí)對(duì)情感勸說(shuō)過(guò)程的影響進(jìn)行量化研究；其次，本文模型以時(shí)間約束方法為基礎(chǔ)，考慮了提議修正，使基于Agent情感勸說(shuō)的交互更接近實(shí)際；再次，本文將情感勸說(shuō)修正因子和目標(biāo)修正因子引入基于Agent情感勸說(shuō)的交互過(guò)程，最終構(gòu)建出綜合考慮以上各因素的基于Agent提議修正的情感勸說(shuō)交互模型。

(2)分析計(jì)算了未考慮Agent提議修正及情感的勸說(shuō)和考慮提議修正的情感勸說(shuō)兩種情況下的提議值，通過(guò)對(duì)比分析結(jié)果認(rèn)為采用后者的成交價(jià)格值比采用前者的成交價(jià)格值低或至少一樣，質(zhì)量值相對(duì)較高，均有利于買(mǎi)方，表明本文模型更加合理有效。另外，通過(guò)對(duì)所提模型中的主要參數(shù)即買(mǎi)方的交互策略λa進(jìn)行敏感性分析得到，若買(mǎi)方希望更快達(dá)成交易，則可采用急迫型交互策略；若買(mǎi)方希望最后結(jié)果對(duì)自身更有利，且對(duì)交互時(shí)間和輪次沒(méi)有要求，則可采用緩慢型交互策略。

(3)在現(xiàn)有基于Agent的勸說(shuō)模式下，綜合考慮Agent模擬人的情感和勸說(shuō)，并進(jìn)一步考慮其中的提議修正，研究基于Agent提議修正的情感勸說(shuō)交互模型。通過(guò)該模型，Agent能夠?qū)υ趧裾f(shuō)過(guò)程中收到的來(lái)自對(duì)方的情感勸說(shuō)進(jìn)行評(píng)價(jià)，進(jìn)而定量計(jì)算出對(duì)原有交互模型所產(chǎn)生的影響，從而使所設(shè)計(jì)的基于Agent情感勸說(shuō)的交互過(guò)程和結(jié)果更加符合實(shí)際，更能體現(xiàn)出Agent在商務(wù)智能中進(jìn)行自動(dòng)談判的人工智能優(yōu)勢(shì)。

現(xiàn)實(shí)中企業(yè)的商務(wù)談判受各方面影響，具有很強(qiáng)的不確定性，采用自動(dòng)談判能較好地解決該問(wèn)題。并且相比于實(shí)際談判，企業(yè)采用自動(dòng)談判可以節(jié)省大量人力物力，從而節(jié)省談判成本。因此，設(shè)計(jì)合理有效而且符合實(shí)際情況的商務(wù)智能自動(dòng)談判模型就成為企業(yè)關(guān)注和追求的目標(biāo)。從這個(gè)角度來(lái)看，本文所做的研究具有如下理論意義和實(shí)踐指導(dǎo)價(jià)值：

(1)作為商務(wù)智能中人們解決爭(zhēng)端和達(dá)成一致的重要途徑，基于Agent的自動(dòng)談判利用Agent的人工智能優(yōu)勢(shì)，通過(guò)計(jì)算機(jī)模擬人類(lèi)商務(wù)談判，不需要或僅需要部分人參與，既能較大降低談判成本，還能在一定程度上保證談判結(jié)果更加合理有效，因此應(yīng)用較為廣泛，是該領(lǐng)域的研究熱點(diǎn)之一。本文所提模型進(jìn)一步研究了Agent在模擬人的情感、勸說(shuō)和提議修正方面的人工智能優(yōu)勢(shì)，是對(duì)該領(lǐng)域的深入研究，其豐富了該領(lǐng)域的各項(xiàng)理論。

(2)本文是對(duì)商務(wù)智能中基于Agent自動(dòng)談判的研究，所設(shè)計(jì)的模型考慮Agent的情感，提出了情感勸說(shuō)修正因子，并進(jìn)一步對(duì)Agent在交互中的沖突進(jìn)行分類(lèi)，通過(guò)對(duì)比實(shí)際的沖突和沖突閾值得到目標(biāo)修正因子，最終設(shè)計(jì)出考慮實(shí)際情感勸說(shuō)行為和目標(biāo)修正的模型。采用該模型模擬企業(yè)間的談判，能夠在較大降低成本的同時(shí)，綜合考慮實(shí)際的情感勸說(shuō)行為，因此該模型更加符合實(shí)際情況，對(duì)企業(yè)應(yīng)用價(jià)值更高。

(3)本文所提模型具有較強(qiáng)的通用性，可以應(yīng)用到不同的企業(yè)中。在實(shí)際應(yīng)用中，管理者可以結(jié)合自身企業(yè)情況進(jìn)行調(diào)整，或在本模型基礎(chǔ)上進(jìn)一步開(kāi)發(fā)適合自己企業(yè)的系統(tǒng)，從而更好地發(fā)揮該模型的優(yōu)勢(shì)，幫助管理者解決企業(yè)遇到的問(wèn)題，提高企業(yè)競(jìng)爭(zhēng)力。

本文側(cè)重于建立基于Agent提議修正的情感勸說(shuō)交互模型，初步以煤炭行業(yè)供應(yīng)鏈管理中的采購(gòu)商和供應(yīng)商為例進(jìn)行了算例分析和敏感性分析，并對(duì)其實(shí)際應(yīng)用領(lǐng)域進(jìn)行了探索。然而，本文所采用的數(shù)據(jù)以假設(shè)為主，下一步計(jì)劃結(jié)合相應(yīng)的研究條件，運(yùn)用該領(lǐng)域的實(shí)際數(shù)據(jù)，對(duì)本文模型進(jìn)行進(jìn)一步驗(yàn)證和改進(jìn)。