CN107292717A - 一种多智能代理支持的招标式订房评标方法及系统 - Google Patents
一种多智能代理支持的招标式订房评标方法及系统 Download PDFInfo
- Publication number
- CN107292717A CN107292717A CN201710473320.2A CN201710473320A CN107292717A CN 107292717 A CN107292717 A CN 107292717A CN 201710473320 A CN201710473320 A CN 201710473320A CN 107292717 A CN107292717 A CN 107292717A
- Authority
- CN
- China
- Prior art keywords
- tenant
- houses
- source
- knowledge
- intelligent agent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 14
- 238000009825 accumulation Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 4
- 239000010410 layer Substances 0.000 claims 8
- 230000002452 interceptive effect Effects 0.000 claims 1
- 239000002344 surface layer Substances 0.000 claims 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 abstract 1
- 239000003795 chemical substances by application Substances 0.000 description 78
- 238000013473 artificial intelligence Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0613—Third-party assisted
- G06Q30/0617—Representative agent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种多智能代理支持的招标式订房评标方法及系统,房客智能代理模块发出招标以议价,房源智能代理模块确定是否应标;在房客智能代理接收到应标后,客房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,以及根据通用知识对房客偏好进行推理;根据推理结果对应标的候选房源进行筛选后显示给房客。这样可以在进行招标、应标后,对应标书的评估是根据个性化的房源评估模型来进行的。
Description
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招标式订房评标方法及系统。
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。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。本申请系统是基于人工智能的多智能代理技术,来实现订房的评标自动化。
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。
发明内容
针对现有技术中订房系统都只是简单的呈现导致使用效率低且房客体验感差的问题,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招标式订房评标方法及系统。
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招标式订房评标系统,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,所述客房智能代理模块包括知识库,所述客房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;
房客智能代理模块发出招标以议价,房源智能代理模块确定是否应标;
在房客智能代理模块接收到应标后,客房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,并根据通用知识对房客偏好进行推理;根据推理结果对应标的候选房源进行筛选后显示给房客。
进一步的,所述客房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,该推理单元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招标式订房评标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;
房客智能代理模块发出招标以议价,房源智能代理模块确定是否应标;
在房客智能代理模块接收到应标后,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,并根据通用知识对房客偏好进行推理;
根据推理结果对应标的候选房源进行筛选后显示给房客。
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招标式订房评标方法及系统,能够对房客搜索到的房源进行更为精确的智能筛选,以提高房客的使用效率低并提高房客的使用验感。
附图说明
图1为本发明实施例的系统结构示意图;
图2为本发明实施例的客房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招标式订房评标系统包括: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,所述客房智能代理模块包括知识库,所述客房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。领域知识层是客房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客房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,所述客房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,该推理单元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。
房客智能代理模块发出招标以议价,房源智能代理模块确定是否应标;
在房客智能代理模块接收到应标后,客房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,并根据通用知识对房客偏好进行推理;根据推理结果对应标的候选房源进行筛选后显示给房客。
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招标式订房评标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;
房客智能代理模块发出招标以议价,房源智能代理模块确定是否应标;
在房客智能代理模块接收到应标后,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,并根据通用知识对房客偏好进行推理;
根据推理结果对应标的候选房源进行筛选后显示给房客。
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。我们的系统是基于人工智能的多智能代理技术,来实现订房的评标自动化。
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。
和其它订房系统不同,我们系统是一个招标系统。系统根据房客的要求构建一个招标书。再选择一部分潜在的房源,把招标书发送给这些房主。房主收到招标书以后决定应标价,构建应标书并发给房客。上面部分已经另案申请“一种多智能代理支持的招标应标订房系统”。房客收到多个应标书以后的评标过程将由本专利来说明。我们的智能招标式订房评标系统是一个多智能代理支持的系统,如图1。
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。
b)房客智能代理是代表房客实现评标自动化的关键模块。其架构图如图2。
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:从房客的行为中学习,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(AgentCommunicationLanguage)。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(AgentCommunicationLanguage)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,用一个例子来描述该发明的运行。
首先发送一个招标书给房源智能代理;而房源智能代理根据自己的分析确定是否应标。
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,先对每一个应标书进行评估,然后进行相互比较。从中挑选一个或者几个最佳选择。具体方法如下:
一个应标书的评估是根据个性化的房源评估模型来进行的。其输出是对应房源的性价比和匹配度。房源的性价比主要从价格、房型、交通、配套等客观指标方面予以综合考虑。配度主要是考虑对应房源和房客的合适程度,主要是从主观指标考虑。
得到所有的应标书的评估结果以后,房客智能代理进入智能决策环节。它综合考虑性价比和匹配度,从中挑选一个或者几个最佳选择。完成评标流程。
如上面所述,一个招标整个过程是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 (4)
1.一种多智能代理支持的招标式订房评标系统,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;
所述客房智能代理模块包括知识库,所述客房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;
房客智能代理模块发出招标以议价,房源智能代理模块确定是否应标;
在房客智能代理模块接收到应标后,客房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,以及根据通用知识对房客偏好进行推理;根据推理结果对应标的候选房源进行筛选后显示给房客。
2.根据权利要求1所述的多智能代理支持的招标式订房评标系统,其特征在于,所述客房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,该推理单元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。
3.根据权利要求1所述的多智能代理支持的招标式订房评标系统,其特征在于,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。
4.一种利用如权利要求1-3所述的多智能代理支持的招标式订房评标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;
房客智能代理模块发出招标以议价,房源智能代理模块确定是否应标;
在房客智能代理模块接收到应标后,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,以及根据通用知识对房客偏好进行推理;
根据推理结果对应标的候选房源进行筛选后显示给房客。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710473320.2A CN107292717A (zh) | 2017-06-21 | 2017-06-21 | 一种多智能代理支持的招标式订房评标方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710473320.2A CN107292717A (zh) | 2017-06-21 | 2017-06-21 | 一种多智能代理支持的招标式订房评标方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107292717A true CN107292717A (zh) | 2017-10-24 |
Family
ID=60097793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710473320.2A Pending CN107292717A (zh) | 2017-06-21 | 2017-06-21 | 一种多智能代理支持的招标式订房评标方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292717A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985964A (zh) * | 2020-08-07 | 2020-11-24 | 上海选家网络科技有限公司 | 一种房源价格信息的处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR0135930B1 (ko) * | 1994-11-03 | 1998-06-15 | 양승택 | 도우미 시스템 |
CN103353965A (zh) * | 2013-07-08 | 2013-10-16 | 深圳市普路通供应链管理股份有限公司 | 智能供应链的数据处理方法和系统 |
CN105338074A (zh) * | 2015-10-21 | 2016-02-17 | 武汉工程大学 | 合同网任务分配方法、获取方法、智能代理器及mas |
CN106022497A (zh) * | 2016-05-23 | 2016-10-12 | 北京依依科技有限公司 | 一种房源的推荐方法、服务器和房源推荐系统 |
-
2017
- 2017-06-21 CN CN201710473320.2A patent/CN107292717A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR0135930B1 (ko) * | 1994-11-03 | 1998-06-15 | 양승택 | 도우미 시스템 |
CN103353965A (zh) * | 2013-07-08 | 2013-10-16 | 深圳市普路通供应链管理股份有限公司 | 智能供应链的数据处理方法和系统 |
CN105338074A (zh) * | 2015-10-21 | 2016-02-17 | 武汉工程大学 | 合同网任务分配方法、获取方法、智能代理器及mas |
CN106022497A (zh) * | 2016-05-23 | 2016-10-12 | 北京依依科技有限公司 | 一种房源的推荐方法、服务器和房源推荐系统 |
Non-Patent Citations (2)
Title |
---|
康静: "基于多Agent的旅游电子商务系统的研究与实现", 《中国优秀硕士论文全文数据库信息科技辑》 * |
谢山: "WEB服务复合及其多Agnet协同系统实现技术的研究", 《中国优秀博士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985964A (zh) * | 2020-08-07 | 2020-11-24 | 上海选家网络科技有限公司 | 一种房源价格信息的处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cavalheiro et al. | Towards a smart tourism destination development model: Promoting environmental, economic, socio-cultural and political values | |
Akenji | Consumer scapegoatism and limits to green consumerism | |
Edwards et al. | Ambassadors of knowledge sharing: Co-produced travel information through tourist-local social media exchange | |
Kogan et al. | Exploratory research on the success factors and challenges of Smart City projects | |
Tsai et al. | An effective evaluation model and improvement analysis for national park websites: A case study of Taiwan | |
Kirchgeorg et al. | The future of trade shows: insights from a scenario analysis | |
CN107122842A (zh) | 一种多智能代理支持的发标应标订房方法及系统 | |
Nesterova et al. | A city logistics living lab: a methodological approach | |
Lu et al. | The progress and trend of pro-environmental behavior research: a bibliometrics-based visualization analysis | |
Chang et al. | The development of a tourism attraction model by using fuzzy theory | |
Assante et al. | Conceptualization of modeling resident attitudes on the environmental impacts of tourism: A case study of Oahu, Hawaii | |
Zhen et al. | Crowdsourcing usage, task assignment methods, and crowdsourcing platforms: A systematic literature review | |
Pietri et al. | Information diffusion in two marine protected area networks in the Central Visayas Region, Philippines | |
de Oña et al. | Extraction of attribute importance from satisfaction surveys with data mining techniques: a comparison between neural networks and decision trees | |
Huda et al. | Identifying stakeholders’ perspectives on the success factors of halal tourism in the city of Makassar: a group model building approach | |
CN107220721A (zh) | 一种多智能代理支持的订房议价方法及系统 | |
Setiadi et al. | City tourism branding resilience during the Covid-19 pandemic in Yogyakarta, Indonesia | |
Popescu et al. | The Green Deal–Dynamizer of Digitalization in Tourism: The Case of Cluj-Napoca Smart City | |
Litavniece et al. | Digital twin: an approach to enhancing tourism competitiveness | |
Pandita et al. | Acceptance of Ride-sharing in India: Empirical Evidence from the UTAUT Model. | |
CN107292717A (zh) | 一种多智能代理支持的招标式订房评标方法及系统 | |
Kawakubo et al. | Nationwide assessment of city performance based on environmental efficiency | |
Ruiz-Meza et al. | Effects of tourism planning and marketing strategies on destination brand equity: A system dynamics model | |
Leahy et al. | Toward an automated methodology for the valuation of reliability | |
Alami et al. | Sustainable and smart destination management: Opportunities for the DMO to act as an intelligent agent among destination stakeholders |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171024 |