Problema apresentado no AMEC SIG meeting da rede AgentLink, 2001

Transcrição

1 Luís Nogueira (ISEP) Eugénio Oliveira (FEUP) LIACC / NIAD&R Problema apresentado no AMEC SIG meeting da rede AgentLink, 2001 Sistema multi-agente Comparar e avaliar produtos complexos Valor acrescentado para clientes e seguradoras Agrupar utilizadores e extrair estereótipos Usando serviços de mediação inteligentes 1

2 Comércio electrónico de seguros Apresentação do BIAS Desafios à sua implementação Exemplo e resultados Conclusões e trabalho futuro Seguradoras vendem directamente aos clientes, excluindo o intermediário Serviços de mediação existentes exigem produtos standard Papel do intermediário é reduzido 2

3 Seguradora Broker Web Seguradora Seguradora! " # Descrição do cliente e necessidades Interacção em representação do cliente Agente Intermediário Propostas de produtos Comunidades de utilizadores Produtos personalizados Estereótipos Negociação Ontologia Comentário qualitativo 3

4 $% & Acesso automático a uma grande variedade de produtos Seguradoras mantêm flexibilidade Intermediário mantém o seu papel '( Criar uma ontologia do domínio Avaliar e comparar um produto complexo Modelar a interacção com o utilizador Aprender as preferências de diferentes utilizadores 4

5 Garantir consistência e compatibilidade da informação Expressão => mesmo significado Conceito => mesma expressão Standards não se revelaram adequados Esquema extensível Ont = {Obj, Comp, Atr, Val, OC r, CA r, AV r, Deps} Conjunto de identificadores {Obj, Comp, Atr, Val} Conjunto de relações {OC r, CA r, Av r } Conjunto de dependências entre valores de atributos {Deps} 5

6 OC r : Obj i Comp, Obj i Obj <object name= Life Insurance > <component name= policy \> </object> CA r : Comp i Attr, Comp i Comp <component name= policy > <attribute name= policy_type /> </component> AV r : Attr i Val k, Attr i Attr, 1 Val k Val <attribute name= policy_type mandatory= yes...> <type> string </type> <domain> set of values</domain> <values> Term, Whole Life</values> </attribute> ) Requisitos do protocolo de negociação: Seguro descrito por múltiplos atributos Atributos interdependentes Intervenientes pretendem manter privacidade de informação Algoritmo Negociação_Q (Rocha & Oliveira) Negociação multi-atributo Aprendizagem ao longo do processo de negociação Mantém a informação privada 6

7 )! " #!$! % &!'())('**)+!, -..( & /, 0( /6 0* /6 0) 1 0(. 1 0((1, 8" 9 ) Avaliação das propostas através de função multi-atributo Quantifica desvio da proposta em relação ao pretendido pelo cliente Intermediário fornece comentário qualitativo às seguradoras Apreciação qualitativa de cada um dos atributos Distância entre a proposta actual e a melhor proposta 7

8 * $% Seguradoras usam comentário para formular novas propotas Recompensa depende do comentário recebido Espaço de exploração reduzido Baseada nas possibilidades, experiência e comentário qualitativo Conjunto de tácticas negociais Dependentes do tempo, importância dos atributos +, Problemas Pedido do cliente incompleto Cliente não conhece na totalidade as opções Não sabe especificar todos os atributos Soluções propostas Agente Cliente cria um perfil do utilizador Agente Intermediário ajuda a definir pedido inicial enviando um estereótipo 8

9 $( +, Feedback explícito vs. implícito Extrair vector Vi de uma proposta V i = [x 1 :Fp 1, x 2 :Fp 2,..., x n :Fp n ] Fpi frequência do valor numa dada proposta Propostas com valores semelhantes terão vectores semelhantes $( +, Perfil representado por vector n-dimensional Cada dimensão corresponde a um atributo Dimensão representa um valor e o seu peso Peso reflecte importância relativa do atributo para o utilizador W i = Fp i * (Fs i / np) 9

10 $( +, -.%/ "! #$%& & &' $( +, -.%/.#$%/& &+& &&+++& &++& "&++!& &+,&+, (& W i = Fp i * (Fs i / np) ( )*&&+ &&+& "&&+& &,&- 10

11 %, $(0 Identificação de comunidades numa população de utilizadores Determinar conjuntos com significado (comunidades) Determinar conceitos com significado para cada conjunto (estereótipos) +, Construídas automaticamente aprendizagem não supervisionada Agrupamento conceptual apropriado para resumir e explicar informação COBWEB (Fisher, 1987) usa conceito de utilidade da partição (Gluck e Corter, 1985) 11

12 1 A i = V ij -> par atributo,valor C k -> cluster Semelhança intra-cluster é dada por P(A i = V ij C k ) Diferença inter-clusters é dada por P(C k A i = V ij ) 1 Qualidade da partição: Σ K=1,n Σ i Σ j P(A i =V ij )*P(C k A i =V ij )*P(A i =V ij C k ) Compromisso entre semelhança intra-cluster e diferença inter-clusters P(A i =V ij ) reflecte importância de valores individuais Aumentar a previsibilidade de valores que ocorrem frequentemente 12

13 1 Regra de Bayes simplificada: P(A) =P(B)* P(A B) / P(B A) Aplicando a Regra de Bayes: P(A i =V ij )*P(C k A i =V ij ) =P(C k )*P(A i =V ij C k ) Substituindo na fórmula da Qualidade da Partição:Qualidade da partição: Σ K=1,n P(C k ) Σ i Σ j P(A i =V ij C k ) 2 1 Utilidade da Categoria: (aumento no número esperado de valores dos atributos correctamente colocados em cada partição {C1 Cn} P(C k ) [Σ i Σ j P(A i =V ij C k ) 2 - Σ i Σ j P(A i =V ij ) 2 ] / n 13

14 1 Dada uma nova observação: Classificar o exemplo num cluster existente Criar um novo cluster Combinar dois clusters num único Dividir um cluster em vários clusters Seleccionada a hierarquia que maximiza o valor da utilidade da partição -.%/ 6+#+7!5# ##8#29!5 # / % %

15 . (2 Comunidades podem ser usadas para melhorar serviços do intermediário Construir um modelo de cada comunidade (estereótipo) Representativo dos seus utilizadores Significativamente diferente das restantes comunidades % Construídos através da identificação de padrões Métrica avalia (para cada componente) aumento da frequência numa dada comunidade f i frequência no número total de observações f c AF c = f i2 f c 2 15

16 % AF c < 0 componente não é representativo da comunidade Componente é representativo AF c > ß Variando ß é possível medir Cobertura Sobreposição % -.%/ : ; )9 / # )( < ( # / )7=9 < 7=9 ) / )7=9 < 7=9 ) / )7=9 < 7=9 ) / )7=9 < 7=9 ) 16

17 .% ( Dados Necessidades >&#!?&! #$% "?.% ( Estereótipo Comunidade " "!@ #$ & & A!$%& "? 17

18 .% ( Pedido inicial "? Inicia negociação " "!@ #$ & A!$%&.% ( Propostas 1ª ronda "? "! *!$%&+#&+- "! *!$%&+#&+- 18

19 .% ( (!5 Seguradoras / Contra-proposta "? Propostas / Comentário % *"!+"!+- & "&.% ( Diálogo com AC satisfação restrições Propostas personalizadas "? "! *#&++"&+- "! *#&++"&+- 19

20 Auxílio prestado pelo BIAS reduz significativamente a interacção exigida ao cliente Comunidades e estereótipos decisivos na qualidade do pedido inicial adaptam-se a alterações Perfil do utilizador enriquece a avaliação das propostas % 3 XML linguagem de comunicação Bee-gent plataforma de desenvolvimento Castor mapear documentos XML em objectos Java e vice-versa 20

21 " Framework Java da Toshiba 2 tipos de agentes Agent Wrapper - "embrulho" de aplicações existentes Mediation Agent - coordenação entre aplicações Agentes comunicam por XML/ACL " Interfaces comuns entre aplicações Migração de agentes Encriptação de dados Conformidade com o standard da FIPA 21

22 4 Sistema proposto representa uma nova abordagem na mediação de seguros Perfil do utilizador completa pedidos dos clientes (normalmente incompletos) 4 Comunidades de utilizadores identificadas automaticamente Estereótipos são representativos das preferências de uma comunidade 22

23 35 ( Considerar agregações de produtos Melhorar representação das seguradoras no mercado electrónico Estabelecimento do contrato preenchimento do contrato pedidos de indemnização (0 Bee-gent da Toshiba: plataforma em Java Bonding and Encapsulation enhancement Agent Informação comunicada entre os Agentes no formato XML (e ACL) Luis Nogueira (LIACC- ISEP) ; Eugénio Oliveira (LIACC- FEUP) Brokering in Electronic Insurance Markets. In Proceedings of the 3rd International CEEMAS 2003, Lecture Notes in Artificial Intelligence 2691, Springer 23

24 * " public void action(){ } // Start Planning Goal g = new Goal(new Equal("Stage1","done"),5); post(g); while(!checkevent(g,'u')); unpost(g); public void action(){ // Define sub-goals archive(new Goal(new Equal("Stage11","done"))); archive(new Goal(new Equal("Stage12","done")));... 24

25 " BrokerBeeStage12_stereotype(){ // Goal of this stage setgoal(new Goal(new Or(new Equal("Stage12","done"), new Equal("Stage12","failed")))); } // Pre-condition of this stage setprecond(new BeliefEvent( new Equal("Stage12","failed"),'n')); BrokerBeeStage12_stereotype_fail(){ // Goal of this stage setgoal(new Goal(new Equal("Stage12","done"))); } // Pre-condition of this stage setprecond(new BeliefEvent( new Equal("Stage12","failed"),'a')); 25