Ευφυές, προσαρμοστικό σύστημα πολλών πρακτόρων για τη συλλογή πληροφοριών απο το διαδίκτυο

Abstract

In this thesis we consider the problem of building intelligent agents to facilitate a person's search for information on the web. We have developed webnaut, an intelligent multiagent system that uses a meta-genetic algorithm, in order to collect and recommend web pages that will be interesting to the user. The user's feedback on agent's recommendations drives the learning process to adapt the user's profile with his/her interests. The system autonomously uses the web's search engines so as to discover and recommend new documents that are relevant to the documents, which the user has indicated that interest him/her. Experiments have been applied to a group of users so that we can evaluate the efficiency and the system's ability to learn.

Στην διδακτορική διατριβή, εξετάζουμε το πρόβλημα της ανάπτυξης ευφυών πρακτόρων λογισμικού για να διευκολύνουμε την έρευνα ενός χρήστη για πληροφορίες στο παγκόσμιο ιστό. Έχουμε αναπτύξει το webnaut ένα ευφυές σύστημα πολλών πρακτόρων λογισμικού, το οποίο χρησιμοποιεί ένα μετά-γενετικό αλγόριθμο με σκοπό να συγκεντρώσει και να προτείνει σελίδες του παγκόσμιου ιστού οι οποίες θα ενδιαφέρουν τον χρήστη. Η ανάδραση του χρήστη στης υποδείξεις του συστήματος οδηγεί στη λειτουργία της εκμάθησης να προσαρμόσει το προφίλ του χρήστη με τα ενδιαφέροντα του.Το σύστημα χρησιμοποιεί αυτόνομα της μηχανές αναζήτησης του διαδικτύου για να ανακαλύψει και να προτείνει νέα κείμενα τα οποία είναι σχετικά με τα κείμενα που έχει υποδείξει ο χρήστης ότι τον/την ενδιαφέρουν. Πειράματα έχουν διεξαχθεί σε ένα σύνολο χρηστών με σκοπό να εκτιμήσουμε την απόδοση καθώς και την ικανότητα εκμάθησης του συστήματος.