CN107220721B - 一种多智能代理支持的订房议价方法及系统 - Google Patents

Abstract

本发明实施例提供一种多智能代理支持的订房议价方法及系统，包括：房客智能代理模块将该招标发送给房源对应的房源智能代理模块；房源智能代理模块对该招标进行分析以确定是否应标，如果是则生成应标响应并发送给房客智能代理模块，房源智能代理模块包括房源对应的户型和价格；房客智能代理模块接收到一个或多个房源智能代理模块返回的应标后进行分析以评估出房源与房客需求之间的满意度，如果满意度大于预设标准则直接通知房客；如果满意度不大于预设标准则进行以下议价流程：房客智能代理模块从收到的应标中挑选至少一个房源，根据该房源与房客理想满意度之间的差距计算出议价值并发送到该房源对应的房源智能代理模块，以与房源智能代理模块进行自动议价。

Description

一种多智能代理支持的订房议价方法及系统

技术领域

本发明涉及电子商务的数据处理技术领域，具体涉及一种多智能代理支持的订房议价方法及系统。

背景技术

目前市场上面所有的订房系统都是经典的电子商务系统，而网上订房可以通过图片、房客评价来进行比较以选中最适合自己的房间，因此网上订房系统一出现就得到了迅猛发展。在使用中房客可以根据自己的需要搜索各种房源并进行比较及分析，最后选取自己合适的房源。这种方式虽然为房客提供了很好的选择权和知情权，但是也会使得房客花费大量时间来进行浏览和筛选，且房客没有话语权。

现在随着人工智能的不断发展，使得人工智能已经广泛应用在了各个领域。其中“智能代理”是目前人工智能研究的一个核心概念，统御和联系着各个子领域的研究。一般来说智能代理具有下面一些特点：解决问题的能力、自主能力、推理能力、反应能力、预见能力、学习能力等；而多智能代理系统是指在一个计算机系统里面有多个智能代理协作来完成系统的目标。但是现有的订房系统只是简单的呈现出各种房源，没有应用人工智能，导致房客体验感差。

发明内容

针对现有技术中订房系统都只是简单的呈现各种房源而房客与房主无法直接沟通导致用户体验感差的问题，本发明实施例要解决的技术问题是提出一种多智能代理支持的订房议价方法及系统。

为了解决上述问题，本发明实施例提出了一种多智能代理支持的订房议价系统，包括：存储层、工作层、界面层；

其中所述存储层包括用于存储房源数据的事实库、用于存储系统数据的系统数据库、用于存储知识的知识库；其中所述房源数据至少包括房源的地理信息和/或图片，其中系统数据至少包括交易数据，其中；

其中所述工作层包括匹配模块、监控模块、运行模块；所述匹配模块用于获取房客输入的检索词以及存储层的事实库以根据所述检索词与事实库中的房源数据进行匹配以确定匹配的候选房源；所述监控模块用于监控数据流以根据预设的规则确定是否出现错误；所述运行模块用于根据房客输入进行订房交易并进行存储，其中所述订房交易至少包括房间预定、房客付款、房主结算；且所述工作层还包括房源智能代理模块和房客智能代理模块，

其中所述界面层包括用于与房主进行数据和信息交互的房源界面模块、用于与房客进行数据和信息交互的房客界面模块；

其中所述房客智能代理模块用于接收房客输入的订房需求以生成一个SOAP对象并发送到工作层的匹配模块；匹配模块根据该需求生成一个招标的SOAP对象，并根据该订房需求进行搜索以匹配符合该订房需求的候选房源，并将该招标发送给房源对应的房源智能代理模块；所述房源智能代理模块对该招标进行分析以确定是否应标，如果是则生成应标响应并发送给房客智能代理模块，所述房源智能代理模块包括房源对应的户型和价格；房客智能代理模块接收到一个或多个房客智能代理模块返回的应标后进行分析以评估出房源与房客需求之间的满意度，如果满意度大于预设标准则直接通知房客；如果满意度不大于预设标准则进行以下议价流程：

房客智能代理模块从收到的应标中挑选至少一个房源，根据该房源与房客理想满意度之间的差距计算出议价值并发送到该房源对应的房源智能代理模块；房源智能代理模块根据房主信息确定是否接受该议价，以与所述房源智能代理模块进行自动议价。

进一步的，所述房客智能代理模块包括知识库，所述房客智能代理模块的知识库包括用于利用个性化房源评估模型来进行推理的房客知识层、用于根据所述系统数据进行交易推理的领域知识层、用于根据通用常识进行推理的通用知识层；其中所述房客知识层包括房客知识库，所述领域知识层包括系统知识库和领域知识库，所述通用知识层包括推理知识库和常识知识库。

进一步的，所述房客智能代理模块还包括运行设施，该运行设施包括以下单元：用于对知识进行解释的推理设施，该推理设施用于根据知识的语义，按照预设策略确定对应的知识，并根据该知识来进行解释执行；用于从房客的行为进行学习以改善知识库的学习设施；用于进行数据和信息交互的协同设施。

进一步的，所述个性化房源评估模型用于根据客观指标、主观指标、决策算法，来确定房客的个人偏好；其中所述客观指标为房源参数和房客参数，其中房源参数至少包括以下的一种：价格、房屋面积、房屋户型、装修水平，其中房客参数至少包括房客的收入；其中所述主观指标为根据房客历史交易确定的个人偏好。

同时，本发明实施例还提出了一种利用如前任一项所述的多智能代理支持的订房议价系统进行订房的方法，包括：

根据房客输入的检索词以及存储层的事实库以根据所述检索词与事实库中的房源数据进行匹配以确定匹配的候选房源；

根据个性化房源评估模型根据房源参数、房客参数、房客个性偏好进行推理，根据系统数据进行交易推理，根据通用知识对房客进行推理；

根据推理结果对候选房源进行筛选后显示给房客；

其中所述方法还包括：

其中所述房客智能代理模块用于接收房客输入的订房需求以生成一个SOAP对象并发送到工作层的匹配模块；匹配模块根据该需求生成一个招标的SOAP对象，并根据该订房需求进行搜索以匹配符合该订房需求的候选房源，并将该招标发送给房源对应的房源智能代理模块；所述房源智能代理模块对该招标进行分析以确定是否应标，如果是则生成应标响应并发送给房客智能代理模块，所述房源智能代理模块包括房源对应的户型和价格；房客智能代理模块接收到一个或多个房源智能代理模块返回的应标后进行分析以评估出房源与房客需求之间的满意度，如果满意度大于预设标准则直接通知房客；如果满意度不大于预设标准则进行以下议价流程：

房客智能代理模块从收到的应标中挑选至少一个房源，根据该房源与房客理想满意度之间的差距计算出议价值并发送到该房源对应的房源智能代理模块，以与所述房源智能代理模块进行自动议价。

本发明的上述技术方案的有益效果如下：上述技术方案提出了一种多智能代理支持的订房议价方法及系统，能够对房客搜索到的房源进行更为精确的智能筛选，并智能化的根据房客的需求进行议价。这样就不再仅仅是一个简单的信息提供、展示，还可以自动化的为房客提供议价服务，以更好的促成交易，提高房客的使用验感，并促成房主的房源尽快成交。

附图说明

图1为本发明实施例的系统结构示意图；

图2为本发明实施例的房客智能代理模块的结构示意图；

图3为本发明实施例的房源智能代理模块的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1所示的，本发明实施例的多智能代理支持的订房议价系统包括：存储层、工作层、界面层；

其中所述存储层包括用于存储房源数据的事实库、用于存储系统数据的系统数据库、用于存储知识的知识库；其中所述房源数据至少包括房源的地理信息和/或图片，其中系统数据至少包括交易数据，其中；

其中所述工作层包括匹配模块、监控模块、运行模块；所述匹配模块用于获取房客输入的检索词以及存储层的事实库以根据所述检索词与事实库中的房源数据进行匹配以确定匹配的候选房源；所述监控模块用于监控数据流以根据预设的规则确定是否出现错误；所述运行模块用于根据房客输入进行订房交易并进行存储，其中所述订房交易至少包括房间预定、房客付款、房主结算；且所述工作层还包括房源智能代理模块和房客智能代理模块，

其中所述界面层包括用于与房主进行数据和信息交互的房源界面模块、用于与房客进行数据和信息交互的房客界面模块。

如图2所示的，所述房客智能代理模块包括知识库，所述房客智能代理模块的知识库包括用于利用个性化房源评估模型来进行推理的房客知识层、用于根据所述系统数据进行交易推理的领域知识层、用于根据通用常识进行推理的通用知识层；其中所述房客知识层包括房客知识库，所述领域知识层包括系统知识库和领域知识库，所述通用知识层包括推理知识库和常识知识库。

知识库中的低层的是通用知识层。通用知识层内存储有常识知识，即一般人都有的通常知识。例如：大学生是学生的一种、学生一般是没有收入的、一个公司的总经理是管理该公司的最高人物、等等。推理知识包括一般人思考的推理规则，例如：一个人不太富裕的话，这个人一般比较节约。

领域知识层中的领域知识是存储和订房有关的知识的，其可以参考整个系统中的存储层内的系统数据库中的交易信息。例如：旅游旺季酒店的价格比较高且一般不太会空房、什么时候是旅游旺季、酒店如果到晚上空房多的话就可能会降价、等等。领域知识层是房客智能代理模块的核心，领域知识层可以确定在什么条件下代理房客智能代理模块和那个模块进行数据交互，或什么条件下结束工作，等等。

如图2所示的，所述房客智能代理模块还包括运行设施，该运行设施包括以下单元：用于对知识进行解释的推理设施，该推理设施用于根据知识的语义，按照预设策略确定对应的知识，并根据该知识来进行解释执行；用于从房客的行为进行学习以改善知识库的学习设施；用于进行数据和信息交互的协同设施。

其中，所述个性化房源评估模型用于根据客观指标、主观指标、决策算法，来确定房客的个人偏好；其中所述客观指标为房源参数和房客参数，其中房源参数至少包括以下的一种：价格、房屋面积、房屋户型、装修水平，其中房客参数至少包括房客的收入；其中所述主观指标为根据房客历史交易确定的个人偏好。

其中所述房客智能代理模块用于接收房客输入的订房需求以生成一个SOAP对象并发送到工作层的匹配模块；匹配模块根据该需求生成一个招标的SOAP对象，并根据该订房需求进行搜索以匹配符合该订房需求的候选房源，并将该招标发送给房源对应的房源智能代理模块；所述房源智能代理模块对该招标进行分析以确定是否应标，如果是则生成应标响应并发送给房客智能代理模块，所述房源智能代理模块包括房源对应的户型和价格；房客智能代理模块接收到一个或多个房源智能代理模块返回的应标后进行分析以评估出房源与房客需求之间的满意度，如果满意度大于预设标准则直接通知房客；如果满意度不大于预设标准则进行以下议价流程：

房客智能代理模块从收到的应标中挑选至少一个房源，根据该房源与房客理想满意度之间的差距计算出议价值并发送到该房源对应的房源智能代理模块，以与所述房源智能代理模块进行自动议价。

同时，本发明实施例还提出了一种利用如前任一项所述的多智能代理支持的订房议价系统进行订房的方法，包括：

根据房客输入的检索词以及存储层的事实库以根据所述检索词与事实库中的房源数据进行匹配以确定匹配的候选房源；

根据个性化房源评估模型根据房源参数、房客参数、房客个性偏好进行推理，根据系统数据进行交易推理，根据通用知识对房客进行推理；

根据推理结果对候选房源进行筛选后显示给房客；

其中所述方法还包括：

其中所述房客智能代理模块用于接收房客输入的订房需求以生成一个SOAP对象并发送到工作层的匹配模块；匹配模块根据该需求生成一个招标的SOAP对象，并根据该订房需求进行搜索以匹配符合该订房需求的候选房源，并将该招标发送给房源对应的房源智能代理模块；所述房源智能代理模块对该招标进行分析以确定是否应标，如果是则生成应标响应并发送给房客智能代理模块，所述房源智能代理模块包括房源对应的户型和价格；房客智能代理模块接收到一个或多个房源智能代理模块返回的应标后进行分析以评估出房源与房客需求之间的满意度，如果满意度大于预设标准则直接通知房客；如果满意度不大于预设标准则进行以下议价流程：

房客智能代理模块从收到的应标中挑选至少一个房源，根据该房源与房客理想满意度之间的差距计算出议价值并发送到该房源对应的房源智能代理模块，以与所述房源智能代理模块进行自动议价。

目前市场上面所有的订房系统都是经典的电子商务系统。房客根据自己的需要，搜索各种房源，进行比较及分析，最后选取合适的。房客不但要花大量时间，而且没有任何话语权。最近以来，随着人工智能的不断发展，运用人工智能技术来改善订房系统已经变得可能了。本专利是我们另外两个专利“一种多智能代理支持的订房招标系统”和“一种多智能代理支持的招标式评标订房系统”的继续。 我们的系统是基于人工智能的多智能代理技术， 来实现订房的议价的自动化。

智能代理是指一个可以观察周遭环境并做出行动以达致目标的自主实体。它通常是指一个软件程序。“智能代理”是目前人工智能研究的一个核心概念，统御和联系着各个子领域的研究。一般来说，智能代理具有下面一些特点：解决问题的能力；自主能力；推理能力；反应能力；预见能力；学习能力等。多智能代理系统是指在一个计算机系统里面，有多个智能代理协作来完成系统的目标。近来，随着人工智能应用的不断展开，多智能代理系统的应用正越来越得到重视。

本发明的智能招标式订房议价系统是一个多智能代理支持的系统，如图1所示的。从上图可以看到，我们的系统架构有三个层次：存储层， 工作层， 和界面层。存储层是数据和知识的存储。中间的工作层包括运行功能模块以及两类智能代理：房源智能代理和房客智能代理。具体说明如下：

存储层是支持系统运行的基础：事实库包括公开数据，如地理信息，图片信息等。房客也可以看到。系统数据库是系统的内部数据，如交易数据等。房客是看不到的。知识库存放的是各种知识，包括房主模型，房客模型，定价策略，议价策略等。

工作层中的几个部分说明如下：

运行功能模块包括如下功能：

匹配：当房客的需求到达以后，搜索并且决定一些和当前需求匹配的房源。

监控：对于系统的商业流程进行全程监控。一旦发现问题，马上自动解决。

运行：系统日常运行的必要功能，如订房交易达成以后的存储，付款，结算等。

房源智能代理是代表房主的实现议价自动化的关键模块。其架构如图2所示的。可以看到，一个房源智能代理的结构包括三个部分：

下面部分的是知识库。智能代理的所有知识都存放在知识库里面。是一个结构化，易操作，易利用，全面有组织的知识集群。我们的智能代理的知识库又分为三个层次：

知识库中的低层的是通用知识层。其中的常识知识是指一般人都有的通常知识。例如大学生是学生的一种。学生一般是没有收入的。一个公司的总经理是管理该公司的最高人物。推理知识包括一般人思考的推理规则，例如一个人不太富裕的话，这个人一般比较节约。

领域知识层中的领域知识是存储和订房有关的知识的。例如旅游旺季酒店的价格比较高，一般不太会空房。什么时候是旅游旺季。酒店如果到晚上空房多的话，降价比较可能等。系统知识库是存储支持这个智能代理运行所必要的知识，如什么条件下代理应该和什么模块交流，什么条件下结束工作等。

房源知识层中的房主知识库是存放有关当前服务的对象的个性化的知识的，如个人偏好等。房源知识是有关对象所拥有的房源的知识，如空房率，各种房型的价格及特点等。

部分中间的是支持智能代理运行的设施。主要包括两个模块：

推理设施：是对知识进行解释的程序。它根据知识的语义，对按一定策略找到的知识进行解释执行，推理结果就是这个智能代理的输出。

学习设施：从客户的行为中学习，改善知识库。将在另外专利中说明。

协同设施：提供当交流信息的工具。

c)房客智能代理是代表房客实现议价自动化的关键模块。其架构图3如下。

可以看到，一个房客智能代理的结构包括三个部分：

下面部分的是知识库。智能代理的所有知识都存放在知识库里面。是一个结构化，易操作，易利用，全面有组织的知识集群。我们的智能代理的知识库又分为三个层次：

知识库中的低层的是通用知识层。其中的常识知识是指一般人都有的通常知识。例如大学生是学生的一种。学生一般是没有收入的。一个公司的总经理是管理该公司的最高人物。推理知识包括一般人思考的推理规则，例如一个人不太富裕的话，这个人一般比较节约。

领域知识层中的领域知识是存储和订房有关的知识的。例如旅游旺季酒店的价格比较高，一般不太会空房。什么时候是旅游旺季。酒店如果到晚上空房多的话，降价比较可能等。系统知识库是存储支持这个智能代理运行所必要的知识，如什么条件下代理应该和什么模块交流，什么条件下结束工作等。

房客知识层中的房主知识库是存放有关当前服务的对象的知识，其中的核心是一个个性化的房源评估模型。该模型包括客观指标，主观指标以及决策算法。客观指标包括对应房源的客观数据，如价格，面积，房型等以及对应房客的客观数据，如收入等。主观指标涵盖了个人偏好等。

部分中间的是支持智能代理运行的设施。主要包括两个模块：

推理设施：是对知识进行解释的程序。它根据知识的语义，对按一定策略找到的知识进行解释执行，推理结果就是这个智能代理的输出。

学习设施：从客户的行为中学习，改善知识库。将在另外专利中说明。

协同设施：提供当交流信息的工具。

本发明采用先进的面向服务(SOA)的计算机系统架构（Service-OrientedArchitecture）。每一个智能代理提供一种或者多种Web服务（WebServices）。这样，我们的系统是由两个层次组成：Web服务器层次以及Web服务智能代理层次。Web服务智能代理是在Web服务器的支持下工作的。

服务器层面的设计采用经典的配置，包括ApacheWeb服务器，JakartaTomcat，以及MySQL数据库。

本系统采用Java程序设计语言作为主要的开发工具。智能代理的开发是采用JavaWeb服务开发包JWSDP(JavaWeb-servicesDevelopmentPackage).在JWSDP的支持下，我们智能代理能够和多个JavaAPI以及各种Web服务的XML标准，例如SOAP（SimpleObjectAccessProtocol），WSDL（Web-servicesDescriptionLanguage），以及UDDI（UniversalDescription,DiscoveryandIntegration）连接在一起。

智能代理的推理机是采用JESS（JavaExpertSystemShell）作为开发工具。这样，智能代理能够必要的时候，运用JESS对智能代理的事实来进行推理，得到新的知识。

智能代理的协同设施是采用JADE(AgentDevelopmentFramework)作为开发工具。一般来说，智能代理之间交流是通过ACL（Agent Communication Language）。因为本发明是Web服务智能代理的应用。也就是说，它们之间交流是应该通过SOAP对象来实现。为了同时达到这两个目的，我们把ACL包裹在SOAP中间。也就是说，ACL是SOAP对象的一个特性。在需要输出某数据的时候，协同设施先产生与其对应的ACL（Agent Communication Language）信息，再产生一个SOAP对象并且把ACL信息放到这个SOAP对象中。然后，通过JADE把这个SOAP对象送到目标智能代理。Web服务智能代理在接到从外面送来的SOAP对象以后，协同设施先把它内部的ACL信息取出来，再把这个ACL信息转换为智能代理内部的数据格式。

下面是该发明的运行流程。

首先，房客和房客智能代理交流，告诉对于订房的具体要求。最后，房客智能代理把用户需求包裹到一个SOAP对象里面，送给平台智能管理代理。

平台智能管理代理收到这个需求SOAP对象以后，根据需求制定一个招标需求SOAP对象。同时，根据需求搜索并且匹配到多个房源智能代理并且把招标需求SOAP对象发送给这些选中的房源智能代理。

每一个房源智能代理收到招标需求SOAP对象以后，首先分析招标需求，根据自己的知识库，决定是否应标。如果应标的话，决定应标的房型及价格。最后，制定一个应标书SOAP对象发给房客智能代理。

房客智能代理收到从多个房源智能代理送来的应标书以后，对于这些应标书进行评估及相互比较。根据房客的满意度模型，对每一个应标书进行评测。

如果有一个或者几个应标书的满意度已经足够高，房客智能管理代理不需要进行议价了。把结果直接通知房客。否则进入下面的议价流程。

房客智能代理挑选一个满意度最高的应标书，根据和房客的理想满意度的差距，计算出理想的价位。把这个价位发给对应的房源智能代理进行议价。

对应的房源智能代理收到房客智能管理代理发来的议价的价位以后，根据自己的空房，结合时间，季节，财务等条件进行评估。决定是否接受这个议价。或者提出自己愿意的价位。最后，把应对价回复对方。

房客智能代理收到从对应房源智能代理发来的应对价以后的处理如下。如果自己的议价被对方接受，订房交易完成了。否则，根据对方的应对价计算新的满意度。再对应标书重新排队。如果能够找到议价对象，回到第6步继续进行议价。如果没有议价对象了，根据应标书的排队选择一个或者几个房源供房客决定。

如上面所述，一个招标的议价过程是在几毫秒之内在多个智能代理的支持下全自动完成的。和其它订房系统不一样，用户没有等待时间。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种多智能代理支持的订房议价系统，其特征在于，包括：存储层、工作层、界面层；

其中所述存储层包括用于存储房源数据的事实库、用于存储系统数据的系统数据库、用于存储知识的知识库；其中所述房源数据至少包括房源的地理信息和/或图片，其中系统数据至少包括交易数据，其中；

其中所述工作层包括匹配模块、监控模块、运行模块；所述匹配模块用于获取房客输入的检索词以及存储层的事实库以根据所述检索词与事实库中的房源数据进行匹配以确定匹配的候选房源；所述监控模块用于监控数据流以根据预设的规则确定是否出现错误；所述运行模块用于根据房客输入进行订房交易并进行存储，其中所述订房交易至少包括房间预定、房客付款、房主结算；且所述工作层还包括房源智能代理模块和房客智能代理模块，

其中所述界面层包括用于与房主进行数据和信息交互的房源界面模块、用于与房客进行数据和信息交互的房客界面模块；

其中所述房客智能代理模块用于接收房客输入的订房需求以生成一个SOAP对象并发送到工作层的匹配模块；匹配模块根据该需求生成一个招标的SOAP对象，并根据该订房需求进行搜索以匹配符合该订房需求的候选房源，并将该招标发送给房源对应的房源智能代理模块；所述房源智能代理模块对该招标进行分析以确定是否应标，如果是则生成应标响应并发送给房客智能代理模块，所述房源智能代理模块包括房源对应的户型和价格；房客智能代理模块接收到一个或多个房源智能代理模块返回的应标后进行分析以评估出房源与房客需求之间的满意度，如果满意度大于预设标准则直接通知房客；如果满意度不大于预设标准则进行以下议价流程：

房客智能代理模块从收到的应标中挑选至少一个房源，根据该房源与房客理想满意度之间的差距计算出议价值并发送到该房源对应的房源智能代理模块，以与所述房源智能代理模块进行自动议价；

所述房客智能代理模块包括知识库，所述房客智能代理模块的知识库包括用于利用个性化房源评估模型来进行推理的房客知识层、用于根据所述系统数据进行交易推理的领域知识层、用于根据通用常识进行推理的通用知识层；其中所述房客知识层包括房客知识库，所述领域知识层包括系统知识库和领域知识库，所述通用知识层包括推理知识库和常识知识库；

所述房客智能代理模块还包括运行设施，该运行设施包括以下单元：用于对知识进行解释的推理设施，该推理设施用于根据知识的语义，按照预设策略确定对应的知识，并根据该知识来进行解释执行；用于从房客的行为进行学习以改善知识库的学习设施；用于进行数据和信息交互的协同设施；

所述个性化房源评估模型用于根据客观指标、主观指标、决策算法，来确定房客的个人偏好；其中所述客观指标为房源参数和房客参数，其中房源参数至少包括以下的一种：价格、房屋面积、房屋户型、装修水平，其中房客参数至少包括房客的收入；其中所述主观指标为根据房客历史交易确定的个人偏好。

2.一种利用如权利要求1所述的多智能代理支持的订房议价系统进行订房的方法，其特征在于，包括：

根据房客输入的检索词以及存储层的事实库以根据所述检索词与事实库中的房源数据进行匹配以确定匹配的候选房源；

根据个性化房源评估模型根据房源参数、房客参数、房客个性偏好进行推理，根据系统数据进行交易推理，根据通用知识对房客进行推理；

根据推理结果对候选房源进行筛选后显示给房客；

其中所述方法还包括：

其中所述房客智能代理模块用于接收房客输入的订房需求以生成一个SOAP对象并发送到工作层的匹配模块；匹配模块根据该需求生成一个招标的SOAP对象，并根据该订房需求进行搜索以匹配符合该订房需求的候选房源，并将该招标发送给房源对应的房源智能代理模块；所述房源智能代理模块对该招标进行分析以确定是否应标，如果是则生成应标响应并发送给房客智能代理模块，所述房源智能代理模块包括房源对应的户型和价格；房客智能代理模块接收到一个或多个房源智能代理模块返回的应标后进行分析以评估出房源与房客需求之间的满意度，如果满意度大于预设标准则直接通知房客；如果满意度不大于预设标准则进行以下议价流程：

房客智能代理模块从收到的应标中挑选至少一个房源，根据该房源与房客理想满意度之间的差距计算出议价值并发送到该房源对应的房源智能代理模块，以与所述房源智能代理模块进行自动议价。

Images