선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 본 논문은 에이전트에개 구매와 판매를 효과적으로 위임하는 방법을 보임으로써 전자상거래에서 에이전트의 역할의 가능성이 충분함을 보이는 모델을 제시하였다.
- 따라서 본 논문은 기존의 에이전트의 특성을 분석하고 특성별로 분류한 후 단일 기능들을 통합한 복합적 기능을 가진 보다 자치적인 에이전트를 설계하여 거래를 위임하고자 한다. 기존에 개발된 에이전트를 큰 특성별로 분류하여 다음과 같이 정리하였다.
- 고객의 입장에서는 온라인 쇼핑몰의 수가 늘어날수록 가격이나 품질 만족도가 높은 상품을 선택할 기회가 많아지지만 상품 탐색을 위해 더 많은 시간을 투자해야한다는 것은 큰 문제점이다. 따라서 본 논문은 사람이 직접 전자상거래에 참여햐지 않고 에이전트가 사람을 대신하여 물건을 판매하고 구매하는 시스템 개발을 목표로 연구되었다.
- 또 각 에이전트에는 단계를 두어 단계가 높을수록 학습과 통신 수준이 높게 하였다. 본 논문에서는 이러한 에이전트들이 전자 상거래를 위임하여 거래를 행하는 전자상거래 프레임워크를 설계하고 구현하였다. 논문의 구성은 다음과 같다.
- 본 논문은 전자 상거래 특성에 맞춘 학습 알고리즘을 개발하고 구매 에이전트와 판매 에이전트에 적용한 전자 상거래 프레임워크를 제시한다. 각 에이전트는 광고, 협상, 학습 기능을 가진다.
- 본 논문은 전자상거래 에이전트 학습 알고리즘을 개발하고 적용함으로써 지능형 에이전트가 전자상거래에서 사람을 대신하여 구매와 판매하는 프레임워크를 설계하고 실제 동작하는 과정과 모습을 보인다. 에이전트가 지능적인 특성을 살 갖추면 전자상거래에서 에이전트의 활용도는 매우 높다.
- 본 논문은 현재 전자상거래 에이전트가 실제 사람의 구매 특성과 경제 원리를 가지고 있지 않다는 점을 파악하고 이러한 문제점을 개선하기 위한 방법으로 학습기법을 적용하였다. 에이전트간 통신 언어를 xml로 코딩하여 http 전송 방식을 통해 쇼핑몰의 에이전트와 고객측의 에이전트가 서로 통신하고 거래하였다.
- 이러한 피드백 결과는 저장되어 구매 에이전트의 다음 구매 결정시 기존의 쇼핑몰의 이용에 참고한다. 본 실험에서는 특정 구매 에이전트가 특정 쇼핑몰의 이용 횟수가 높을수록 다음번 구매에서 선택될 가능성이 높도록 하였다. 주로 실생활에서의 구매자는 단골 판매자로부터 물품을 구매하고자하는 성향이 있고 판매자 역시 단골 고객에게는 가격 흥정 폭을 넓히는 경향이 있기 때문에 이를 반영하였다.
- 둘째, 상품 정보 탐색 에이전트이다. 이 에이전트는 구매자 에이전트에 해당하며 판매측의 물품 정보를 수집하고 분석하여 사용자에게 전달하는 목적을 가진다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.