网络虚拟戏剧中组形成模型的研究(2)

来源:网络(转载) 作者:刘厚良 发表于:2012-07-05 14:44  点击:
【关健词】组形成;虚拟戏剧;Agent技术;社会网络
定义2用户Agent之间的合作关系构成了社会网络。我们将社会网络中用户Agent之间的合作关系定义为用户Agent的关系矩阵,用R表示。由于用户Agent之间的关系不具有方向性,因此,R是对角线为0的对称矩阵。R( ) i,j表示

  定义2用户Agent之间的合作关系构成了社会网络。我们将社会网络中用户Agent之间的合作关系定义为用户Agent的关系矩阵,用R表示。由于用户Agent之间的关系不具有方向性,因此,R是对角线为0的对称矩阵。R( ) i,j表示用户Agent i和用户Agent j之间的关系度。用户Agent之间合作越多,它们关系度的值就越大。
  定义3用户Agent是否会被其它用户Agent选为合作伙伴取决于它们之间的合作关系和该用户Agent的影响力。该文将系统其它用户Agent选取该用户Agent作为合作伙伴的意向程度定义为该用户Agent的信誉度,并用C表示。信誉度一方面反映了用户Agent之间的合作关系,另一方面也反映了用户Agent在系统中的影响力水平。用户Agent信誉度越高,其它用户Agent与其合作的意向越高。
  2)组形成策略
  在以上分析和定义的基础上,本节主要介绍基于社会网络信誉度的组形成策略的实施步骤,具体如下:
  第一步,当用户协同创作网络虚拟戏剧时,用户Agent将获取戏剧的基本信息drama_inf:,,…,>,其中type表示戏剧类型,skill表示用户技能,degree表示对应技能的熟练程度。然后,用户Agent将该戏剧的基本信息drama_inf传递给组形成Agent,并提出形成协同戏剧创作群组的请求。
  第二步,接到drama_inf后,组形成Agent首先访问系统数据库,获取系统内具有相同兴趣属性的用户Agent列表,并找出兴趣度高的用户Agent,形成用户Agent兴趣小组G。组形成Agent将用户Agent兴趣小组成员列表传递给关系Agent,关系Agent通过关系矩阵R得到兴趣小组G内成员用户Agent之间的关系度。接着计算兴趣小组G内所有成员用户Agent的信誉度C,第i位用户Agent的信誉度为C(i)。
  其中α和β为可调参数,inf(i)表示第i个用户Agent的影响力;coop(i)表示第i个用户Agent在兴趣小组G内的合作度。
  其中n表示兴趣小组G内用户的平均连接度。
  第三步,组形成Agent将用户Agent按照信誉度值的大小排序,并根据用户Agent对戏剧创作技能的要求,选择具有相关技能的用户Agent,将选取的用户Agent加入合作伙伴候选列表。选取用户Agent的过程中,既要保障用户Agent的技能能够满足戏剧创作的需求,又要保障优先选取技能水平高的用户Agent。
  第四步,用户Agent将在合作伙伴候选列表中选择自己认为合适的合作伙伴,然后通过组形成Agent向这些用户Agent发送协同戏剧创作邀请信息,邀请用户加入群组,协同创作虚拟戏剧。
  4结束语
  本文研究了网络虚拟戏剧中的组形成模型。首先,描述了组形成模型框架,并分别介绍了模型中用户Agent、关系Agent和组形成Agent的设计方法。然后,利用Agent技术研究了网络虚拟戏剧中用户Agent之间的关系网络和合作度,并提出了社会网络信誉度的概念,给出相关定义。最后结合关系Agent和组形成Agent,给出了基于社会网络信誉度的组形成策略。
  参考文献:
  [1] Li Zhang, Marco Gillies, Kulwant Dhaliwal, et al. E-Drama: Facilitating Online Role-play using an AI Actor and Emotionally Expressive Characters[J]. International Journal of Artificial Intelligence in Education. 2009, 19(1): 5-38.
  [2] Rafael Studart Monclar, Jonice Oliveira, Fabricio Firmino de Faria, et al. Using social networks analysis for collaboration and team forma? tion identification[C]. Computer Supported Cooperative Work in Design–CSCWD. Lausanne, 2011, 562-569.
  [3] Michele Brocco, Georg Groh. Team recommendation in open innovation networks[C]. Conference on Recommender Systems–RecSys. New York, 2009, 365-368.
  [4] Anwitaman Datta, Jackson Tan Teck Yong, Anthony Ventresque. T-RecS: team recommendation system through expertise and cohesive? ness[C]. World Wide Web Conference Series–WWW. Hyderabad, 2011, 201-204.

(责任编辑:南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网)
顶一下
(0)
0%
踩一下
(0)
0%


版权声明:因本文均来自于网络,如果有版权方面侵犯,请及时联系本站删除.