一種智能體處理信息的方法及智能體的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種智能體處理信息的方法及智能體。
【背景技術(shù)】
[0002]社交網(wǎng)絡已經(jīng)成為互聯(lián)網(wǎng)越來越重要的組成部分，社交網(wǎng)絡中的信息挖掘和分析已經(jīng)成為重要的方向。在現(xiàn)有技術(shù)中，基于獨立同分布假設(shè)的數(shù)據(jù)，可以通過分類或者聚類的方法對數(shù)據(jù)進行學習以及處理。獨立同分布指變量序列或者其他隨機變量有相同的概率分布，并且變量之間相互獨立，即變量取值時不受其他變量的取值的影響。分類的方法指首先對一組有標注的樣本進行訓練，獲得一個分類器，然后測試時，將未進行標注的樣本輸入分類器，從而可以將未進行標注的樣本輸出為樣本標簽。聚類的方法指輸入一組未標注的樣本，輸出為樣本的聚類標簽。
[0003]然而，當采用現(xiàn)有技術(shù)對社交網(wǎng)絡上的信息進行處理時，由于分類或者聚類的方法針對獨立同分布的數(shù)據(jù)進行處理，而社交網(wǎng)絡的信息通常呈現(xiàn)個性化的特征，因此采用傳統(tǒng)的分類或者聚類方法對社交網(wǎng)絡的信息進行處理不太合適，因此無法完成社交網(wǎng)絡的數(shù)據(jù)挖掘。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的實施例提供一種智能體處理信息的方法及智能體，可以通過與其他智能體的交互對社交網(wǎng)絡中的信息學習以及處理，完成社交網(wǎng)絡上的數(shù)據(jù)的挖掘。
[0005]第一方面，本發(fā)明提供一種智能體處理信息的方法，包括:第一智能體向第二智能體發(fā)送請求消息，所述請求消息包括向所述第二智能體發(fā)出的邀請消息或者推薦消息；所述第一智能體接收所述第二智能體反饋的決策消息，所述決策消息為所述第二智能體根據(jù)所述邀請消息或者推薦消息以及所述第二智能體的自身知識模型確定的消息；根據(jù)所述決策消息，所述第一智能體更新自身知識模型或者向所述第一智能體對應的第一用戶賬戶發(fā)送通知消息。
[0006]在第一種可能的實施例中，結(jié)合第一方面，所述第一智能體向第二智能體發(fā)送請求消息，包括:所述第一智能體在任意時刻向所述第二智能體發(fā)送請求消息；或者，所述第一智能體通過學習所述第二智能體對應的第二用戶賬戶的歷史發(fā)文時間，預測所述第二用戶賬戶的空閑時間，所述第一智能體在所述第二用戶賬戶的空閑時間向所述第二智能體發(fā)送請求消息。
[0007]在第二種可能的實施例中，結(jié)合第一方面，所述第一智能體向第二智能體發(fā)送請求消息，包括:所述第一智能體確定發(fā)送所述邀請消息或者所述推薦消息的對象為所述第二智能體；向所述第二智能體發(fā)送邀請消息或者推薦消息。
[0008]在第三種可能的實施例中，結(jié)合第一方面中第二種可能的實時例，所述第一智能體確定發(fā)送所述邀請消息或者所述推薦消息的對象為所述第二智能體，包括:所述第一智能體根據(jù)自身標簽以及其他智能體的標簽，獲得所述第一用戶賬戶對應的第一用戶與所述其他智能體對應的用戶興趣相似度的度量值，所述其他智能體指與所述第一智能體存在關(guān)聯(lián)關(guān)系的智能體；根據(jù)所述度量值，確定所述邀請消息或者所述推薦消息發(fā)送的對象為第二智能體。
[0009]在第四種可能的實施例中，結(jié)合第一方面中第三種可能的實時例，所述第一智能體確定發(fā)送所述邀請消息或者所述推薦消息的對象為所述第二智能體，包括:所述第一智能體根據(jù)所述其他智能體對應的用戶賬戶的操作信息確定所述邀請消息或者所述推薦消息；根據(jù)所述邀請消息或者所述推薦消息，以及所述其他智能體的標簽，確定發(fā)送所述邀請消息或者所述推薦消息的對象為所述第二智能體。
[0010]在第五種可能的實施例中，結(jié)合第一方面或者第一方面中以上任一種可能的實時例，當所述請求消息為學習邀請消息時，所述決策消息包括待與所述第一智能體共享的所述第二智能體的相關(guān)信息，或者所述決策消息為拒絕與所述第一智能體共享所述第二智能體的相關(guān)信息，所述相關(guān)信息至少包括以下任一種學習模型、數(shù)據(jù)、活動安排；所述根據(jù)所述決策消息，所述第一智能體更新自身知識模型或者向所述第一智能體對應的第一用戶賬戶發(fā)送通知消息，包括:當所述決策消息為待與所述第一智能體共享的所述第二智能體的相關(guān)信息時，所述第一智能體學習所述第二智能體的相關(guān)信息，并更新自身知識模型；當所述決策消息為拒絕與所述第一智能體共享所述第二智能體的相關(guān)信息時，所述第一智能體根據(jù)所述第二智能體拒絕所述學習邀請消息的情況更新自身知識模型。
[0011]在第六種可能的實施例中，結(jié)合第一方面中第五種可能的實時例，在所述當所述決策消息為待與所述第一智能體共享的所述第二智能體的相關(guān)信息時，所述第一智能體學習所述第二智能體的相關(guān)信息，并更新自身知識模型之后，還包括:所述第一智能體通過學習的內(nèi)容，以及將所述決策消息與所述自身知識模型比對，獲得學習結(jié)果；所述第一智能體將所述學習結(jié)果反饋給所述第二智能體，以便所述第二智能體根據(jù)所述學習結(jié)果更新其知識模型。
[0012]在第七種可能的實施例中，結(jié)合第一方面或者第一方面第一種可能的實時例至第四種可能的實時例中任一種可能的實施例，當所述請求消息為活動邀請消息時，所述決策消息包括同意或者拒絕活動邀請的消息；所述根據(jù)所述決策消息，所述第一智能體更新自身知識模型或者向所述第一智能體對應的第一用戶賬戶發(fā)送通知消息，包括:當所述決策消息為同意所述活動邀請的消息時，所述第一智能體向所述第一智能體對應的第一用戶賬戶發(fā)送通知消息，以便在所述第一用戶賬戶上顯示所述第二智能體接受所述活動邀請的信息；當所述決策消息為拒絕所述活動邀請的消息時，所述第一智能體根據(jù)所述第二智能體拒絕所述活動邀請的消息的情況更新自身知識模型。
[0013]在第八種可能的實施例中，結(jié)合第一方面或者第一方面第一種可能的實時例至第四種可能的實時例中任一種可能的實施例，當所述請求消息為推薦消息時，所述決策消息包括接受或者拒絕所述推薦消息；所述根據(jù)所述決策消息，所述第一智能體更新自身知識模型或者向所述第一智能體對應的第一用戶賬戶發(fā)送通知消息，包括:當所述決策消息為接受或者拒絕所述推薦消息時，所述第一智能體根據(jù)所述決策消息更新自身知識模型。
[0014]在第九種可能的實施例中，結(jié)合第一方面或者第一方面中以上任一種可能的實時例，所述第一智能體向第二智能體發(fā)送請求消息，包括:所述第一智能體自行向所述第二智能體發(fā)送請求消息，并且所述第一智能體直接向所述第二智能體發(fā)送請求消息之前，所述第一智能體不通知所述第一用戶賬戶，和/或未接收所述第一用戶賬戶對應的第一用戶通過終端設(shè)備發(fā)送的指令，所述指令用于指示所述第一智能體向所述第二智能體發(fā)送請求消肩、O
[0015]第二方面，本發(fā)明提供一種智能體，包括:發(fā)送單元，用于向第二智能體發(fā)送請求消息，所述請求消息包括向所述第二智能體發(fā)出的邀請消息或者推薦消息；接收單元，用于接收所述第二智能體反饋的決策消息，所述決策消息為所述第二智能體根據(jù)所述邀請消息或者推薦消息以及所述第二智能體的自身知識模型確定的消息；處理單元，用于根據(jù)所述決策消息，更新自身知識模型或者向所述智能體對應的第一用戶賬戶發(fā)送通知消息。
[0016]在第一種可能的實施例中，結(jié)合第二方面，所述發(fā)送單元具體用于在任意時刻向所述第二智能體發(fā)送請求消息；或者，通過學習所述第二智能體對應的第二用戶賬戶的歷史發(fā)文時間，預測所述第二用戶賬戶的空閑時間；在所述第二用戶賬戶的空閑時間向所述第二智能體發(fā)送請求消息。
[0017]在第二種可能的實施例中，結(jié)合第二方面，所述發(fā)送單元包括:確定子單元，用于確定發(fā)送所述邀請消息或者所述推薦消息的對象為所述第二智能體；消息發(fā)送子單元，用于向所述第二智能體發(fā)送邀請消息或者推薦消息。
[0018]在第三種可能的實施例中，結(jié)合第二方面中第二種可能的實時例，所述確定子單元具體用于根據(jù)自身標簽以及其他智能體的標簽，獲得所述第一用戶賬戶對應的第一用戶與所述其他智能體對應的用戶興趣相似度的度量值，所述其他智能體指與所述第一智能體存在關(guān)聯(lián)關(guān)系的智能體；以及根據(jù)所述度量值，確定所述邀請消息或者所述推薦消息發(fā)送的對象為第二智能體。
[0019]在第四種可能的實施例中，結(jié)合第二方面中第三種可能的實時例，所述確定子單元，具體用于根據(jù)所述其他智能體對應的用戶賬戶的操作信息確定所述邀請消息或者所述推薦消息；以及根據(jù)所述邀請消息或者所述推薦消息，以及所述其他智能體的標簽，確定發(fā)送所述邀請消息或者所述推薦消息的對象為所述第二智能體。
[0020]在第五種可能的實施例中，結(jié)合第二方面或者第二方面中以上任一種可能的實時例，當所述請求消息為學習邀請消息時，所述決策消息包括待與所述智能體共享的所述第二智能體的相關(guān)信息，或者所述決策消息為拒絕與所述智能體共享所述第二智能體的相關(guān)信息，所述相關(guān)信息至少包括以下任一種學習模型、數(shù)據(jù)、活動安排；所述處理單元，具體用于:當所述決策消息為待與所述智能體共享的所述第二智能體的相關(guān)信息時，學習所述第二智能體的相關(guān)信息，并更新自身知識模型；或者，當所述決策消息為拒絕與所述智能體共享所述第二智能體的相關(guān)信息時，根據(jù)所述第二智能體拒絕所述學習邀請消息的情況更新自身知識模型。
[0021]在第六種可能的實施例中，結(jié)合第二方面中第五種可能的實時例，所述智能體還包括獲取單元:所述獲取單元，用于通過學習的內(nèi)容，以及將所述決策消息與所述自身知識模型比對，獲得學習結(jié)果；所述發(fā)送單元，還用于將所述學習結(jié)果反饋給所述第二智能體，以便所述第二智能體根據(jù)所述學習結(jié)果更新其知識模型。
[0022]在第七種可能的實施例中，結(jié)合第二方面或者第二方面第一種可能的實時例至第四種可能的實時例中任一種可能的實施例，當所述請求消息為活動邀請消息時，所述決策消息包括同意或者拒絕活動邀請的消息；所述處理單元，具體用于:當所述決策消息為同意所述活動邀請的消息時，向所述第一智能體對應的第一用戶賬戶發(fā)送通知消息，以便在所述第一用戶賬戶上顯示所述第二智能體接受所述活動邀請的信息；或者，當所述決策消息為拒絕所述活動邀請的消息時，根據(jù)所述第二智能體拒絕所述活動邀請的消息的情況更新自身知識模型。
[0023]在第八種可能的實施例中，結(jié)合第二方面或者第二方面第一種可能的實時例至第四種可能的實時例中任一種可能的實施例，當所述請求消息為推薦消息時，所述決策消息包括接受或者拒絕所述推薦消息；所述處理單元，具體用于:當所述決策消息為接受或者拒絕所述推薦消息時，根據(jù)所述決策消息更新自身知識模型。
[0024]在第九種可能的實施例中，結(jié)合第二方面或者第二方面中以上任一種可能的實時例，所述發(fā)送單元，具體用于自行向所述第二智能體發(fā)送請求消息，并且所述第一智能體直接向所述第二智能體發(fā)送請求消息之前，