導(dǎo)語：如何才能寫好一篇關(guān)于人工智能的綜述報(bào)告，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

2017年7月，國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，不僅對(duì)人工智能的發(fā)展做出了戰(zhàn)略性部署，還確立了“三步走”的政策目標(biāo)，力爭(zhēng)到2030年將我國(guó)建設(shè)成為世界主要的人工智能創(chuàng)新中心。[1]值得注意的是，此次規(guī)劃不僅僅只是技術(shù)或產(chǎn)業(yè)發(fā)展規(guī)劃，還同時(shí)包括了社會(huì)建設(shè)、制度重構(gòu)、全球治理等方方面面的內(nèi)容。之所以如此，是由于人工智能技術(shù)本身具有通用性和基礎(chǔ)性。換句話說，為助推人工智能時(shí)代的崛起，我們面對(duì)的任務(wù)不是實(shí)現(xiàn)某一個(gè)專業(yè)領(lǐng)域或產(chǎn)業(yè)領(lǐng)域內(nèi)的顛覆性技術(shù)突破，而是大力推動(dòng)源于技術(shù)發(fā)展而引發(fā)的綜合性變革。

也正因?yàn)槿绱?，人工智能發(fā)展進(jìn)程中所面臨的挑戰(zhàn)才不僅僅局限于技術(shù)或產(chǎn)業(yè)領(lǐng)域，而更多體現(xiàn)在經(jīng)濟(jì)、社會(huì)、政治領(lǐng)域的公共政策選擇上。首先，普遍建立在科層制基礎(chǔ)上的公共事務(wù)治理結(jié)構(gòu)，是否能夠適應(yīng)技術(shù)發(fā)展和應(yīng)用過程中所大規(guī)模激發(fā)的不確定性和不可預(yù)知性?再者，長(zhǎng)久以來圍繞人類行為的規(guī)制制度，是否同樣能夠適應(yīng)以數(shù)據(jù)、算法為主體的應(yīng)用環(huán)境?最后，如何構(gòu)建新的治理體系和治理工具來應(yīng)對(duì)伴隨人工智能發(fā)展而興起的新的經(jīng)濟(jì)、社會(huì)、政治問題?

應(yīng)對(duì)上述挑戰(zhàn)并不完全取決于技術(shù)發(fā)展或商業(yè)創(chuàng)新本身，而更多依賴于我們的公共政策選擇。本文試圖在分析人工智能發(fā)展邏輯及其所引發(fā)的風(fēng)險(xiǎn)挑戰(zhàn)的基礎(chǔ)上，對(duì)人工智能時(shí)代的公共政策選擇做出分析，并討論未來改革的可能路徑，這也就構(gòu)成了人工智能治理的三個(gè)基本問題。具體而言，人工智能本身成為治理對(duì)象，其發(fā)展與應(yīng)用構(gòu)成了治理挑戰(zhàn)，而在此基礎(chǔ)上如何做出公共政策選擇便是未來治理變革的方向。

全文共分為四個(gè)部分：第一部分將探討人工智能的概念及特征，并進(jìn)而對(duì)其發(fā)展邏輯進(jìn)行闡述。作為一項(xiàng)顛覆性技術(shù)創(chuàng)新，其本身的技術(shù)門檻對(duì)決策者而言構(gòu)成了挑戰(zhàn)，梳理并捋清人工智能的本質(zhì)內(nèi)涵因而成為制定相關(guān)公共政策的前提;第二部分將著重分析人工智能時(shí)代崛起所帶來的治理挑戰(zhàn)，主要包括三個(gè)方面，即傳統(tǒng)科層治理結(jié)構(gòu)應(yīng)對(duì)人工智能新的生產(chǎn)模式的滯后性、建基于行為因果關(guān)系之上的傳統(tǒng)治理邏輯應(yīng)對(duì)人工智能新主體的不適用性，以及人工智能發(fā)展所引發(fā)的新議題的治理空白;面對(duì)上述挑戰(zhàn)，各國(guó)都出臺(tái)了相關(guān)政策，本文第三部分對(duì)此進(jìn)行了綜述性對(duì)比分析，并指出了其進(jìn)步意義所在。需要指出的是，盡管各國(guó)的政策目標(biāo)都試圖追求人工智能發(fā)展與監(jiān)管的二維平衡，但由于缺乏對(duì)人工智能內(nèi)涵及其發(fā)展邏輯的完整認(rèn)識(shí)，當(dāng)前的公共政策選擇有失綜合性;本文第四部分將提出新的治理思路以及公共政策選擇的其他可能路徑，以推動(dòng)圍繞人工智能治理的相關(guān)公共政策議題的深入討論。

一、人工智能的概念及技術(shù)發(fā)展邏輯：算法與數(shù)據(jù)

伴隨著人工智能技術(shù)的快速發(fā)展，尤其是其近年來在棋類對(duì)弈、自動(dòng)駕駛、人臉識(shí)別等領(lǐng)域的廣泛應(yīng)用，圍繞人工智能所可能引發(fā)的社會(huì)變革產(chǎn)生了激烈爭(zhēng)論。在一方面，以霍金[2]、馬斯克[3]、比爾-蓋茨[4]、赫拉利[5]為代表的諸多人士呼吁加強(qiáng)監(jiān)管，警惕“人工智能成為人類文明史的終結(jié)”;在另一方面，包括奧巴馬[6]在內(nèi)的政治家、學(xué)者又認(rèn)為應(yīng)該放松監(jiān)管，充分釋放人工智能的技術(shù)潛力以造福社會(huì)。未來發(fā)展的不確定性固然是引發(fā)當(dāng)前爭(zhēng)論的重要原因之一，但圍繞“人工智能”概念內(nèi)涵理解的不同，以及對(duì)其發(fā)展邏輯認(rèn)識(shí)的不清晰，可能也同樣嚴(yán)重地加劇了人們的分歧。正因?yàn)榇耍迦斯ぶ悄艿母拍顑?nèi)涵和發(fā)展邏輯不僅是回應(yīng)爭(zhēng)論的需要，也是進(jìn)一步提出公共政策建議的前提。

就相關(guān)研究領(lǐng)域而言，人們對(duì)于“人工智能”這一概念的定義并未形成普遍共識(shí)。計(jì)算機(jī)領(lǐng)域的先驅(qū)阿蘭-圖靈曾在《計(jì)算機(jī)器與智能》一文中提出，重要的不是機(jī)器模仿人類思維過程的能力，而是機(jī)器重復(fù)人類思維外在表現(xiàn)行為的能力。[7]正是由此理解出發(fā)，著名的“圖靈測(cè)試”方案被提出。但如同斯坦福大學(xué)計(jì)算機(jī)系教授約翰·麥卡錫所指出的，“圖靈測(cè)試”僅僅只是“人工智能”概念的一部分，不模仿人類但同時(shí)也能完成相關(guān)行為的機(jī)器同樣應(yīng)被視為“智能”的。[8]事實(shí)上，約翰·麥卡錫正是現(xiàn)代人工智能概念的提出者。在他看來，“智能”關(guān)乎完成某種目標(biāo)的行為“機(jī)制”，而機(jī)器既可以通過模仿人來實(shí)現(xiàn)行為機(jī)制，也可以自由地使用任何辦法來創(chuàng)造行為機(jī)制。[9]由此，我們便得到了人工智能領(lǐng)域另一個(gè)非常重要的概念——“機(jī)器學(xué)習(xí)”。

人工智能研究的目標(biāo)是使機(jī)器達(dá)到人類級(jí)別的智能能力，而其中最重要的便是學(xué)習(xí)能力。[10]因此，盡管“機(jī)器學(xué)習(xí)”是“人工智能”的子域，但很多時(shí)候我們都將這兩個(gè)概念等同起來。[11]就實(shí)現(xiàn)過程而言，機(jī)器學(xué)習(xí)是指利用某些算法指導(dǎo)計(jì)算機(jī)利用已知數(shù)據(jù)得出適當(dāng)模型，并利用此模型對(duì)新的情境給出判斷，從而完成行為機(jī)制的過程。此處需要強(qiáng)調(diào)一下機(jī)器學(xué)習(xí)算法與傳統(tǒng)算法的差異。算法本質(zhì)上就是一系列指令，告訴計(jì)算機(jī)該做什么。對(duì)于傳統(tǒng)算法而言，其往往事無巨細(xì)地規(guī)定好了機(jī)器在既定條件下的既定動(dòng)作;機(jī)器學(xué)習(xí)算法卻是通過對(duì)已有數(shù)據(jù)的“學(xué)習(xí)”，使機(jī)器能夠在與歷史數(shù)據(jù)不同的新情境下做出判斷。以機(jī)器人行走的實(shí)現(xiàn)為例，傳統(tǒng)算法下，程序員要仔細(xì)規(guī)定好機(jī)器人在既定環(huán)境下每一個(gè)動(dòng)作的實(shí)現(xiàn)流程;而機(jī)器學(xué)習(xí)算法下，程序員要做的則是使計(jì)算機(jī)分析并模擬人類的行走動(dòng)作，以使其即使在完全陌生的環(huán)境中也能實(shí)現(xiàn)行走。

由此，我們可以對(duì)“人工智能”設(shè)定一個(gè)“工作定義”以方便進(jìn)一步的討論：人工智能是建立在現(xiàn)代算法基礎(chǔ)上，以歷史數(shù)據(jù)為支撐，而形成的具有感知、推理、學(xué)習(xí)、決策等思維活動(dòng)并能夠按照一定目標(biāo)完成相應(yīng)行為的計(jì)算系統(tǒng)。這一概念盡管可能仍不完善，但它突出了人工智能技術(shù)發(fā)展和應(yīng)用的兩大基石——算法與數(shù)據(jù)，有助于討論人工智能的治理問題。

首先，算法即是規(guī)則，它不僅確立了機(jī)器所試圖實(shí)現(xiàn)的目標(biāo)，同時(shí)也指出了實(shí)現(xiàn)目標(biāo)的路徑與方法。就人工智能當(dāng)前的技術(shù)發(fā)展史而言，算法主要可被劃分為五個(gè)類別：符號(hào)學(xué)派、聯(lián)接學(xué)派、進(jìn)化學(xué)派、類推學(xué)派和貝葉斯學(xué)派。[12]每個(gè)學(xué)派都遵循不同的邏輯、以不同的理念實(shí)現(xiàn)了人工智能(也即“機(jī)器學(xué)習(xí)”)的過程。舉例而言，“符號(hào)學(xué)派”將所有的信息處理簡(jiǎn)化為對(duì)符號(hào)的操縱，由此學(xué)習(xí)過程被簡(jiǎn)化(抽象)為基于數(shù)據(jù)和假設(shè)的規(guī)則歸納過程。在數(shù)據(jù)(即歷史事實(shí))和已有知識(shí)(即預(yù)先設(shè)定的條件)的基礎(chǔ)上，符號(hào)學(xué)派通過“提出假設(shè)-數(shù)據(jù)驗(yàn)證-進(jìn)一步提出新假設(shè)-歸納新規(guī)則”的過程來訓(xùn)練機(jī)器的學(xué)習(xí)能力，并由此實(shí)現(xiàn)在新環(huán)境下的決策判斷。

從對(duì)“符號(hào)學(xué)派”的描述中可以發(fā)現(xiàn)，機(jī)器學(xué)習(xí)模型成功的關(guān)鍵不僅是算法，還有數(shù)據(jù)。數(shù)據(jù)的缺失和預(yù)設(shè)條件的不合理將直接影響機(jī)器學(xué)習(xí)的輸出(就符號(hào)學(xué)派而言，即決策規(guī)則的歸納)。最明顯體現(xiàn)這一問題的例子便是羅素的“歸納主義者火雞”問題：火雞在觀察10天(數(shù)據(jù)集不完整)之后得出結(jié)論(代表預(yù)設(shè)條件不合理，超過10個(gè)確認(rèn)數(shù)據(jù)即接受規(guī)則)，主人會(huì)在每天早上9點(diǎn)給它喂食;但接下來是平安夜的早餐，主人沒有喂它而是宰了它。

所有算法類型盡管理念不同，但模型成功的關(guān)鍵都聚焦于“算法”和“數(shù)據(jù)”。事實(shí)上，如果跳出具體學(xué)派的思維束縛，每種機(jī)器學(xué)習(xí)算法都可被概括為“表示方法、評(píng)估、優(yōu)化”這三個(gè)部分。[13]盡管機(jī)器可以不斷的自我優(yōu)化以提升學(xué)習(xí)能力，且原則上可以學(xué)習(xí)任何東西，但評(píng)估的方法和原則(算法)以及用以評(píng)估的數(shù)據(jù)(數(shù)據(jù))都是人為決定的——而這也正是人工智能治理的關(guān)鍵所在。算法與數(shù)據(jù)不僅是人工智能發(fā)展邏輯的基石，其同樣是治理的對(duì)象和關(guān)鍵。

總而言之，圍繞“人工智能是否會(huì)取代人類”的爭(zhēng)論事實(shí)上并無太大意義，更重要的反而是在廓清人工智能的內(nèi)涵并理解其發(fā)展邏輯之后，回答“治理什么”和“如何治理”的問題。就此而言，明確治理對(duì)象為算法和數(shù)據(jù)無疑是重要的一步。但接下來的重要問題仍然在于，人工智能時(shí)代的崛起所帶來的治理挑戰(zhàn)究竟是什么?當(dāng)前的制度設(shè)計(jì)是否能夠?qū)ζ渥龀鲇行?yīng)對(duì)?如果答案是否定的，我們又該如何重構(gòu)治理體系以迎接人工智能時(shí)代的崛起?本文余下部分將對(duì)此做進(jìn)一步的闡述。

二、人工智能時(shí)代崛起的治理挑戰(zhàn)

不同于其他顛覆性技術(shù)，人工智能的發(fā)展并不局限于某一特定產(chǎn)業(yè)，而是能夠支撐所有產(chǎn)業(yè)變革的通用型技術(shù)。也正因?yàn)榇?，其具有廣泛的社會(huì)溢出效應(yīng)，在政治、經(jīng)濟(jì)、社會(huì)等各個(gè)領(lǐng)域都會(huì)帶來深刻變革，并將同時(shí)引發(fā)治理方面的挑戰(zhàn)。具體而言，挑戰(zhàn)主要體現(xiàn)在以下三個(gè)方面。

首先，治理結(jié)構(gòu)的僵化性，即傳統(tǒng)的科層制治理結(jié)構(gòu)可能難以應(yīng)對(duì)人工智能快速發(fā)展而形成的開放性和不確定性。之所以需要對(duì)人工智能加以監(jiān)管，原因在于其可能成為公共危險(xiǎn)的源頭，例如當(dāng)自動(dòng)駕駛技術(shù)普及之后，一旦出現(xiàn)問題，便可能導(dǎo)致大規(guī)模的連續(xù)性傷害。但不同機(jī)、大型水壩、原子核科技等二十世紀(jì)的公共危險(xiǎn)源，人工智能的發(fā)展具有極強(qiáng)的開放性，任何一個(gè)程序員或公司都可以毫無門檻的進(jìn)行人工智能程序的開發(fā)與應(yīng)用。這一方面是由于互聯(lián)網(wǎng)時(shí)代的到來，使得基于代碼的生產(chǎn)門檻被大大降低[14];另一方面，這也是人工智能本身發(fā)展規(guī)律的需要。正如前文所提到，唯有大規(guī)模的數(shù)據(jù)輸入才可能得到較好的機(jī)器學(xué)習(xí)結(jié)果，因此將人工智能的平臺(tái)(也即算法)以開源形式公開出來，以使更多的人在不同場(chǎng)景之下加以利用并由此吸收更多、更完備的數(shù)據(jù)以完善算法本身，就成為了大多數(shù)人工智能公司的必然選擇。與此同時(shí)，人工智能生產(chǎn)模式的開放性也必然帶來發(fā)展的不確定性，在缺乏有效約束或引導(dǎo)的情況下，人工智能的發(fā)展很可能走向歧途。面對(duì)這一新形勢(shì)，傳統(tǒng)的、基于科層制的治理結(jié)構(gòu)顯然難以做出有效應(yīng)對(duì)。一方面，政府試圖全范圍覆蓋的事前監(jiān)管已經(jīng)成為不可能，開放的人工智能生產(chǎn)網(wǎng)絡(luò)使得監(jiān)管機(jī)構(gòu)幾乎找不到監(jiān)管對(duì)象;另一方面，由上至下的權(quán)威結(jié)構(gòu)既不能傳遞給生產(chǎn)者，信息不對(duì)稱問題的加劇還可能導(dǎo)致監(jiān)管行為走向反面。調(diào)整治理結(jié)構(gòu)與治理邏輯，并形成適應(yīng)具有開放性、不確定性特征的人工智能生產(chǎn)模式，是當(dāng)前面臨的治理挑戰(zhàn)之一。

再者，治理方法的滯后性，即長(zhǎng)久以來建立在人類行為因果關(guān)系基礎(chǔ)上的法律規(guī)制體系，可能難以適用于以算法、數(shù)據(jù)為主體的應(yīng)用環(huán)境。人工智能的價(jià)值并不在于模仿人類行為，而是其具備自主的學(xué)習(xí)和決策能力;正因?yàn)槿绱耍斯ぶ悄芗夹g(shù)才不能簡(jiǎn)單地理解為其創(chuàng)造者(即人)意志的表達(dá)。程序員給出的只是學(xué)習(xí)規(guī)則，但真正做出決策的是基于大規(guī)模數(shù)據(jù)訓(xùn)練后的算法本身，而這一結(jié)果與程序員的意志并無直接因果關(guān)聯(lián)。事實(shí)上也正由于這個(gè)特點(diǎn)，AlphaGo才可能連續(xù)擊敗圍棋冠軍，而其設(shè)計(jì)者卻并非圍棋頂尖大師。也正是在這個(gè)意義上，我們才回到了?？滤缘摹凹夹g(shù)的主體性”概念。在他看來，“技術(shù)并不僅僅是工具，或者不僅僅是達(dá)到目的的手段;相反，其是政治行動(dòng)者，手段與目的密不可分”。[15]就此而言，長(zhǎng)久以來通過探究行為與后果之因果關(guān)系來規(guī)范人的行為的法律規(guī)制體系，便可能遭遇窘境：如果將人工智能所造成的侵權(quán)行為歸咎于其設(shè)計(jì)者，無疑不具有說服力;但如果要?dú)w咎于人工智能本身，我們又該如何問責(zé)一個(gè)機(jī)器呢?由此，如何應(yīng)對(duì)以算法、數(shù)據(jù)為核心的技術(shù)主體所帶來的公共責(zé)任分配問題，是當(dāng)前面臨的第二個(gè)治理挑戰(zhàn)。

最后，治理范圍的狹隘性，即對(duì)于受人工智能發(fā)展沖擊而引發(fā)的新的社會(huì)議題，需要構(gòu)建新的治理體系和發(fā)展新的治理工具。人工智能發(fā)展所引發(fā)的治理挑戰(zhàn)不僅僅體現(xiàn)在現(xiàn)有體系的不適應(yīng)上，同時(shí)還有新議題所面臨的治理空白問題。具體而言，這又主要包括以下議題：算法是否能夠享有言論自由的憲法保護(hù)，數(shù)據(jù)的權(quán)屬關(guān)系究竟如何界定，如何緩解人工智能所可能加劇的不平等現(xiàn)象，以及如何平衡人工智能的發(fā)展與失業(yè)問題。在人工智能時(shí)代之前，上述問題并不存在，或者說并不突出;但伴隨著人工智能的快速發(fā)展和應(yīng)用普及，它們的重要性便日漸顯著。以最為人所關(guān)注的失業(yè)問題為例，就技術(shù)可能性來說，人工智能和機(jī)器人的廣泛應(yīng)用代替人工勞動(dòng)，已是一個(gè)不可否定的事實(shí)了。無論是新聞?dòng)浾?，還是股市分析員，甚至是法律工作者，其都有可能為機(jī)器所取代。在一個(gè)“充分自動(dòng)化(Full Automation)”的世界中，如何重新認(rèn)識(shí)勞動(dòng)與福利保障的關(guān)系、重構(gòu)勞動(dòng)和福利保障制度，便成為最迫切需要解決的治理挑戰(zhàn)之一。[16]

上述三方面共同構(gòu)成了人工智能時(shí)代崛起所帶來的治理挑戰(zhàn)。面對(duì)這些挑戰(zhàn)，各國(guó)也做出了相應(yīng)的公共政策選擇。本文第三部分將對(duì)各國(guó)人工智能的治理政策進(jìn)行對(duì)比性分析。在此基礎(chǔ)上，第四部分將提出本文的政策建議。

三、各國(guó)人工智能治理政策及監(jiān)管路徑綜述

人工智能時(shí)代的崛起作為一種普遍現(xiàn)象，其所引發(fā)的治理挑戰(zhàn)是各國(guó)面臨的共同問題，各國(guó)也陸續(xù)出臺(tái)了相關(guān)公共政策以試圖推動(dòng)并規(guī)范人工智能的快速發(fā)展。

美國(guó)于2016年同時(shí)頒布了《國(guó)家人工智能研究與發(fā)展戰(zhàn)略規(guī)劃》和《為人工智能的未來做好準(zhǔn)備》兩個(gè)國(guó)家級(jí)政策框架，前者側(cè)重從技術(shù)角度指出美國(guó)人工智能戰(zhàn)略的目的、愿景和重點(diǎn)方向，而后者則更多從治理角度探討政府在促進(jìn)創(chuàng)新、保障公共安全方面所應(yīng)扮演的角色和作用。就具體的監(jiān)管政策而言，《為人工智能的未來做好準(zhǔn)備》提出了一般性的應(yīng)對(duì)方法，強(qiáng)調(diào)基于風(fēng)險(xiǎn)評(píng)估和成本-收益考量的原則以決定是否對(duì)人工智能技術(shù)的研發(fā)與應(yīng)用施以監(jiān)管負(fù)擔(dān)。[17]日本同樣于2016年出臺(tái)了《第五期(2016～2020年度)科學(xué)技術(shù)基本計(jì)劃》，提出了“超智能社會(huì)5.0”的概念，強(qiáng)調(diào)通過推動(dòng)數(shù)據(jù)標(biāo)準(zhǔn)化、建設(shè)社會(huì)服務(wù)平臺(tái)、協(xié)調(diào)發(fā)展多領(lǐng)域智能系統(tǒng)等各方面工作促進(jìn)人工智能的發(fā)展和應(yīng)用。[18]

盡管美國(guó)和日本的政策著力點(diǎn)不同，但其共有的特點(diǎn)是對(duì)人工智能的發(fā)展及其所引發(fā)的挑戰(zhàn)持普遍的包容與開放態(tài)度。就當(dāng)前的政策框架而言，美日兩國(guó)的政策目標(biāo)更傾斜于推動(dòng)技術(shù)創(chuàng)新、保持其國(guó)家競(jìng)爭(zhēng)力的優(yōu)勢(shì)地位;當(dāng)涉及對(duì)人工智能所可能引發(fā)的公共問題施以監(jiān)管時(shí)，其政策選擇也更傾向于遵循“無需批準(zhǔn)式(permissionless)”的監(jiān)管邏輯，即強(qiáng)調(diào)除非有充分案例證明其危害性，新技術(shù)和新商業(yè)模式默認(rèn)為都是被允許的。[19]至于人工智能的發(fā)展對(duì)個(gè)人數(shù)據(jù)隱私、社會(huì)公共安全的潛在威脅，盡管兩國(guó)的政策框架都有所涉及，卻并非其政策重心——相比之下，英國(guó)、法國(guó)則采取了不同的政策路徑。

英國(guó)政府2016年了《人工智能：未來決策制定的機(jī)遇與影響》，對(duì)人工智能的變革性影響以及如何利用人工智能做出了闡述與規(guī)劃，尤其關(guān)注到了人工智能發(fā)展所帶來的法律和倫理風(fēng)險(xiǎn)。在該報(bào)告中，英國(guó)政府強(qiáng)調(diào)了機(jī)器學(xué)習(xí)與個(gè)人數(shù)據(jù)相結(jié)合而對(duì)個(gè)人自由及隱私等基本權(quán)利所帶來的影響，明確了對(duì)使用人工智能所制定出的決策采用問責(zé)的概念和機(jī)制，并同時(shí)在算法透明度、算法一致性、風(fēng)險(xiǎn)分配等具體政策方面做出了規(guī)定。[20]與英國(guó)類似，法國(guó)在2017年的《人工智能戰(zhàn)略》中延續(xù)了其在2006年通過的《信息社會(huì)法案》的立法精神，同樣強(qiáng)調(diào)加強(qiáng)對(duì)新技術(shù)的“共同調(diào)控”，以在享有技術(shù)發(fā)展所帶來的福利改進(jìn)的同時(shí)，充分保護(hù)個(gè)人權(quán)利和公共利益。[21]與美日相比，英法的公共政策更偏向于“審慎監(jiān)管(precautionary)”的政策邏輯，即強(qiáng)調(diào)新技術(shù)或新的商業(yè)模式只有在開發(fā)者證明其無害的前提下才被允許使用。[22]

在本文看來，無論是“無需批準(zhǔn)式監(jiān)管”還是“審慎監(jiān)管”，在應(yīng)對(duì)人工智能時(shí)代崛起所帶來的治理挑戰(zhàn)方面都有其可取之處：前者側(cè)重于推動(dòng)創(chuàng)新，而后者則因重視安全而更顯穩(wěn)健。但需要指出的是，這兩種監(jiān)管路徑的不足卻也十分明顯。正如前文第二部分所指出，一方面，快速迭代的技術(shù)發(fā)展與商業(yè)模式創(chuàng)新必將引發(fā)新的社會(huì)議題，無論是算法是否受到言論自由的權(quán)利保護(hù)還是普遍失業(yè)對(duì)社會(huì)形成的挑戰(zhàn)，它們都在客觀上要求公共政策做出應(yīng)對(duì)，而非片面的“無需批準(zhǔn)式監(jiān)管”能夠處理。更重要的是，“無需批準(zhǔn)式監(jiān)管”的潛在假設(shè)是事后監(jiān)管的有效性;然而，在事實(shí)上，正如2010年5月6日美國(guó)道瓊斯工業(yè)指數(shù)“瞬間崩盤”事件所揭示的，即使單個(gè)電子交易程序合規(guī)運(yùn)行，當(dāng)各個(gè)系統(tǒng)行為聚合在一起時(shí)反而卻造成了更大的危機(jī)。[23]在此種情形下，依賴于合規(guī)性判斷的“事后監(jiān)管”基本上難以有效實(shí)施。另一方面，人工智能本身的自主性和主體性使得建立在人類行為因果關(guān)系基礎(chǔ)上的“審慎監(jiān)管”邏輯存在天然缺陷：既然人類無法預(yù)知人工智能系統(tǒng)可能的行為或決策，開發(fā)者又如何證明人工智能系統(tǒng)的無害性?

正如本文所反復(fù)強(qiáng)調(diào)的，人工智能與其他革命性技術(shù)的不同之處，正是在于其所帶來的社會(huì)沖擊的綜合性和基礎(chǔ)性。人工智能并非單個(gè)領(lǐng)域、單個(gè)產(chǎn)業(yè)的技術(shù)突破，而是對(duì)于社會(huì)運(yùn)行狀態(tài)的根本性變革;人工智能時(shí)代的崛起也并非一夜之功，而是建立在計(jì)算機(jī)革命、互聯(lián)網(wǎng)革命直至數(shù)字革命基礎(chǔ)上的“奇點(diǎn)”變革。因此，面對(duì)人工智能時(shí)代崛起所帶來的治理挑戰(zhàn)，我們同樣應(yīng)該制定綜合性的公共政策框架，而非僅僅沿襲傳統(tǒng)治理邏輯，例如只是針對(duì)具體議題在“創(chuàng)新”與“安全”這個(gè)二元維度下進(jìn)行艱難選擇。本文在第四部分從承認(rèn)技術(shù)的主體性、重構(gòu)社會(huì)治理制度、推進(jìn)人工智能全球治理這三方面提出了政策建議，并希望以此推動(dòng)更深入地圍繞人工智能時(shí)代公共政策選擇的研究與討論。

四、人工智能時(shí)代的公共政策選擇

《新一代人工智能發(fā)展規(guī)劃》明確提出了到2030年我國(guó)人工智能發(fā)展的“三步走”目標(biāo)，而在每一個(gè)階段，人工智能法律法規(guī)、倫理規(guī)范和政策體系的逐步建立與完善都是必不可少的重要內(nèi)容。面對(duì)人工智能時(shí)代崛起的治理挑戰(zhàn)，究竟應(yīng)該如何重構(gòu)治理體系、創(chuàng)新治理機(jī)制、發(fā)展治理工具，是擺在決策者面前的重要難題。本文基于對(duì)人工智能基本概念和發(fā)展邏輯的梳理分析，結(jié)合各國(guó)已有政策的對(duì)比分析，提出以下三方面的改革思路，以為人工智能時(shí)代的公共選擇提供參考。

第一，人工智能發(fā)展的基石是算法與數(shù)據(jù)，建立并完善圍繞算法和數(shù)據(jù)的治理體系與治理機(jī)制，是人工智能時(shí)代公共政策選擇的首要命題，也是應(yīng)對(duì)治理挑戰(zhàn)、賦予算法和數(shù)據(jù)以主體性的必然要求。(1)就算法治理而言，涉及的核心議題是算法的制定權(quán)及相應(yīng)的監(jiān)督程序問題。算法作為人工智能時(shí)代的主要規(guī)則，究竟誰有權(quán)并通過何種程序來加以制定，誰來對(duì)其進(jìn)行監(jiān)督且又如何監(jiān)督?長(zhǎng)久以來公眾針對(duì)社交媒體臉書(Facebook)的質(zhì)疑正體現(xiàn)了這一問題的重要性：公眾如何相信臉書向用戶自動(dòng)推薦的新聞內(nèi)容不會(huì)摻雜特殊利益的取向?[24]當(dāng)越來越多的人依賴定制化的新聞推送時(shí)，人工智能甚至?xí)绊懙娇偨y(tǒng)選舉。也正因?yàn)榇?，包括透明要求、開源要求在內(nèi)的諸多治理原則，應(yīng)當(dāng)被納入到算法治理相關(guān)議題的考慮之中。(2)就數(shù)據(jù)治理而言，伴隨著人工智能越來越多地依賴于大規(guī)模數(shù)據(jù)的收集與利用，個(gè)人隱私的保護(hù)、數(shù)據(jù)價(jià)值的分配、數(shù)據(jù)安全等相關(guān)議題也必將成為公共政策的焦點(diǎn)。如何平衡不同價(jià)值需求、規(guī)范數(shù)據(jù)的分享與應(yīng)用，也同樣成為人工智能時(shí)代公共政策選擇的另一重要抓手。

第二，創(chuàng)新社會(huì)治理制度，進(jìn)一步完善社會(huì)保障體系，在最大程度上緩解人工智能發(fā)展所可能帶來的不確定性沖擊。與歷史上的技術(shù)革命類似，人工智能的發(fā)展同樣會(huì)導(dǎo)致利益的分化與重構(gòu)，而如何保證技術(shù)革命成本的承受者得到最大限度的彌補(bǔ)并使所有人都享有技術(shù)發(fā)展的“獲得感”，不僅是社會(huì)發(fā)展公平、正義的必然要求，也是促進(jìn)技術(shù)革命更快完成的催化劑。就此而言，在人工智能相關(guān)公共政策的考量中，我們不僅應(yīng)該關(guān)注產(chǎn)業(yè)和經(jīng)濟(jì)政策，同時(shí)也應(yīng)該關(guān)注社會(huì)政策，因?yàn)橹挥泻笳叩耐晟撇拍軌蚩刂乒と嘶蚱髽I(yè)家所承擔(dān)的風(fēng)險(xiǎn)，并幫助他們判斷是否支持或抵制變革的發(fā)生。就具體的政策設(shè)計(jì)來說，為緩解人工智能所可能帶來的失業(yè)潮，基本收入制度的普遍建立可能應(yīng)該被提上討論議程了?！盎臼杖搿笔侵刚喂餐w(如國(guó)家)向所有成員不加任何限制條件地支付一定數(shù)額的收入，以滿足其基本生活的需求。盡管存在“養(yǎng)懶漢”的質(zhì)疑，但有研究者已指出，自18世紀(jì)就開始構(gòu)想的基本收入制度很有可能反過來促進(jìn)就業(yè)。[25]芬蘭政府已經(jīng)于2017年初開始了相關(guān)實(shí)驗(yàn)，美國(guó)的一些州、瑞士也做出了一定探索。在人工智能時(shí)代尚未完全展現(xiàn)其“猙容”之前，創(chuàng)新社會(huì)治理機(jī)制、完善社會(huì)保障體系，可能是平衡技術(shù)創(chuàng)新與社會(huì)風(fēng)險(xiǎn)的最佳路徑。

第三，構(gòu)建人工智能全球治理機(jī)制，以多種形式促進(jìn)人工智能重大國(guó)際共性問題的解決，共同應(yīng)對(duì)開放性人工智能生產(chǎn)模式的全球性挑戰(zhàn)。人工智能的發(fā)展具有開放性和不確定性的特征，生產(chǎn)門檻的降低使得人工智能技術(shù)研發(fā)的跨國(guó)流動(dòng)性很強(qiáng)，相關(guān)標(biāo)準(zhǔn)的制定、開放平臺(tái)的搭建、共享合作框架的形成，無不要求構(gòu)建相應(yīng)的全球治理機(jī)制。另一方面，跨境數(shù)據(jù)流動(dòng)在廣度和深度上的快速發(fā)展成為了人工智能技術(shù)進(jìn)步的直接推動(dòng)力，但各國(guó)數(shù)據(jù)規(guī)制制度的巨大差異在制約跨境數(shù)據(jù)流動(dòng)進(jìn)一步發(fā)展的同時(shí)，也將影響人工智能時(shí)代的全面到來。[26]故此，創(chuàng)新全球治理機(jī)制，在承認(rèn)各國(guó)制度差異的前提下尋找合作共享的可能性，便成為人工智能時(shí)代公共政策選擇的重要考量之一。就具體的機(jī)制設(shè)計(jì)而言，可以在人工智能全球治理機(jī)制的構(gòu)建中引入多利益相關(guān)模式;另一方面，為防止巨頭壟斷的形成，充分發(fā)揮主權(quán)國(guó)家作用的多邊主義模式同樣不可忽視。作為影響深遠(yuǎn)的基礎(chǔ)性技術(shù)變革，互聯(lián)網(wǎng)全球治理機(jī)制的經(jīng)驗(yàn)和教訓(xùn)值得人工智能發(fā)展所借鑒。

上述三方面從整體上對(duì)人工智能時(shí)代的公共政策框架做出了闡述。與傳統(tǒng)政策局限于“創(chuàng)新”與“安全”之間做出二維選擇不同，本文以更綜合的視角提出了未來公共政策選擇的可能路徑。就其內(nèi)在聯(lián)系來講，建立并完善圍繞算法和數(shù)據(jù)的治理體系是起點(diǎn)，其將重構(gòu)人工智能時(shí)代的規(guī)則與制度;創(chuàng)新社會(huì)治理機(jī)制并完善社會(huì)保障體系是底線，其將緩解人工智能所帶來的影響與波動(dòng);構(gòu)建全球治理機(jī)制則成為了制度性的基礎(chǔ)設(shè)施，推動(dòng)各國(guó)在此之上共同走向人工智能時(shí)代的“人類命運(yùn)共同體”。

五、結(jié)語

在經(jīng)歷了60余年的發(fā)展之后，人工智能終于在互聯(lián)網(wǎng)、大數(shù)據(jù)、機(jī)器學(xué)習(xí)等諸多技術(shù)取得突破的基礎(chǔ)上實(shí)現(xiàn)了騰飛。在未來的人類生活中，人工智能也必將扮演越來越重要的角色。對(duì)于這樣的圖景，我們自不必驚慌，但卻也不可掉以輕心。對(duì)于人工智能的治理，找到正確的方向并采取合理的措施，正是當(dāng)下所應(yīng)該重視的政策議題。而本文的主旨也正在于此：打破長(zhǎng)久以來人們對(duì)于人工智能的“籠統(tǒng)”式擔(dān)憂，指出人工智能技術(shù)發(fā)展的技術(shù)邏輯及其所引發(fā)的治理挑戰(zhàn)，并在此基礎(chǔ)上提出相應(yīng)的政策選擇。人工智能治理的這三個(gè)基本問題，是重構(gòu)治理體系、創(chuàng)新治理機(jī)制、發(fā)展治理工具所必須思考的前提。伴隨著我國(guó)國(guó)家層面戰(zhàn)略規(guī)劃的出臺(tái)，我國(guó)人工智能的發(fā)展也必將躍上新臺(tái)階。在此背景下，深入探討人工智能治理的相關(guān)公共政策議題，對(duì)于助推一個(gè)人工智能時(shí)代的崛起而言，既有其必要性，也有其迫切性。（來源：中國(guó)行政管理 文/賈開 蔣余浩 編選：中國(guó)電子商務(wù)研究中心）

[參考文獻(xiàn)]

[1]國(guó)務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL]. http：//gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[2]霍金. AI可能成就或者終結(jié)人類文明[EB/OL].http：//raincent.com/content-10-7672-1.html.

[3] Elon Musk. Artificial Intelligence is Our Biggest Existential Threat. https：//theguardian.com/technology/2014/oct/27/elon-musk-artificial-intelligence-ai-biggest-existential-threat.

[4] Microsoft's Bill Gates Insists AI is A Threat. http：//bbc.com/news/31047780. 2017-8-14.

[5] [以]赫拉利.人類簡(jiǎn)史[M].北京：中信出版社，2014.

[6] The President in Conversation With MIT’s Joi Ito and WIRED’s Scott Dadich. https：//wired.com/2016/10/president-obama-mit-joi-ito-interview/. 2017-8-14.

[7] Turing，A. M. Computing Machinery and Intelligence. Mind，1950，59(236).

[8] [9][10] McCarthy，J.What is Artificial Intelligence. URL：http：//www-formal.stanford.edu/jmc/whatisai/whatisai.html.

[11] [12][13] [美]佩德羅-多明戈斯.終極算法：機(jī)器學(xué)習(xí)和人工智能如何重塑世界[M].黃芳萍譯.北京：中信出版社，2016.

[14] Benkler，Y. The Wealth of Networks：How Social Production Transforms Markets and Freedom. Yale University Press，2006.

[15] Foucoult，M. Discipline and Punish. A. Sheridan，Tr.，Paris，F(xiàn)R，Gallimard，1975.

[16] Srnicek，N.，& Williams，A. The Future isn't Working. Juncture，2015，22(3)：243-247.

[17] Preparing for the Future of Artificial Intelligence. https：//obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf. 2017-8-14.

[18]薛亮.“日本推動(dòng)實(shí)現(xiàn)超智能社會(huì)‘社會(huì)5.0’”[EB/OL]. http：//istis.sh.cn/list/list.aspx?id=10535.

[19] Thierer，A. Permissionless Innovation：The Continuing Case for Comprehensive Technological Freedom. Mercatus Center at George Mason University，2016.

[20] Artificial Intelligence：Opportunities and Implications for the Future of Decision Making.https：//gov.uk/government/uploads/system/uploads/attachment_data/file/566075/gs-16-19-artificial-intelligence-ai-report.pdf.

[21]周衍冰.大數(shù)據(jù)產(chǎn)業(yè)在法國(guó)的發(fā)展及應(yīng)用[N].學(xué)習(xí)時(shí)報(bào)，2014-11-03.

[22] Thierer，A. D.，& Watney，C. J. Comment on the Federal Automated Vehicles Policy，2016.

[23] [美]杰瑞·卡普蘭.人工智能時(shí)代：人機(jī)共生下財(cái)富、工作與思維的大未來[M].杭州浙江人民出版社，2016.

[24] Marcel Rosenbach. How Google and Facebook Can Reshape Elections.http：//spiegel.de/international/germany/google-and-facebook-could-help-decide-2017-german-election-a-1120156.html.

[25] Van Parijs，P. Basic Income：A Simple and Powerful Idea for the Twenty-first Century. Politics & Society，2004，32(1).

篇2

關(guān)鍵詞：數(shù)據(jù)挖掘；方法；數(shù)據(jù)挖掘技術(shù)；數(shù)據(jù)倉庫

中圖分類號(hào)：TP311文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044(2008)34-2030-03

Brief Analysis of Data Mining Techniques

WEI Xiao-ling

(Department of Primary education, Qinzhou University, Qinzhou 535000, China)

Abstract: Data mining techniques is an emerging research field in database and artificial intelligence．Is present widespread research data bank technology Is present widespread research data bank technology, It may refine usefully, the latent information from the massive data, After ten several years research and application, Had already established the quite solid rationale, at present, is closely integrated with applications, Further reform of the existing technology development.

Key words: data mining; methods; data mining; techniques data warehouse

1 引言

隨著計(jì)算機(jī)技術(shù)，特別是數(shù)據(jù)庫技術(shù)的快速發(fā)展和廣泛應(yīng)用，各行各業(yè)積累的數(shù)據(jù)量越來越大，傳統(tǒng)的數(shù)據(jù)處理方式已很難充分利用蘊(yùn)藏在這些數(shù)據(jù)中的有用知識(shí)，為適應(yīng)這種需求 ，數(shù)據(jù)挖掘（Data Mining，DM）應(yīng)運(yùn)而生，并得以蓬勃發(fā)展，越來越顯示出其強(qiáng)大的生命力。

數(shù)據(jù)挖掘技術(shù)是人們長(zhǎng)期對(duì)數(shù)據(jù)庫技術(shù)進(jìn)行研究和開發(fā)的結(jié)果。起初各種商業(yè)數(shù)據(jù)是存儲(chǔ)在計(jì)算機(jī)的數(shù)據(jù)庫中的，然后發(fā)展到可對(duì)數(shù)據(jù)庫進(jìn)行查詢和訪問，進(jìn)而發(fā)展到對(duì)數(shù)據(jù)庫的即時(shí)遍歷。數(shù)據(jù)挖掘使數(shù)據(jù)庫技術(shù)進(jìn)入了一個(gè)更高級(jí)的階段，它不僅能對(duì)過去的數(shù)據(jù)進(jìn)行查詢和遍歷，并且能夠找出過去數(shù)據(jù)之間的潛在聯(lián)系，從而促進(jìn)信息的傳遞。

從80年代末數(shù)據(jù)挖掘開始出現(xiàn)，短短二十多年它的發(fā)展速度很快。目前數(shù)據(jù)挖掘技術(shù)在零售業(yè)的購(gòu)物籃分析、金融風(fēng)險(xiǎn)預(yù)測(cè) 、產(chǎn)品質(zhì)量分析、通訊及醫(yī)療服務(wù) 、基因工程研究等許 多領(lǐng)域得到了成功的應(yīng)用．很多專題會(huì)議也把數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)列為議題之一。

2 數(shù)據(jù)挖掘技術(shù)概述

所謂數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程。

數(shù)據(jù)挖掘的核心模塊技術(shù)歷經(jīng)了數(shù)十年的發(fā)展，其中包括數(shù)理統(tǒng)計(jì)、人工智能、機(jī)器學(xué)習(xí)。今天，這些成熟的技術(shù)，加上高性能的關(guān)系數(shù)據(jù)庫引擎以及廣泛的數(shù)據(jù)集成，讓數(shù)據(jù)挖掘技術(shù)在當(dāng)前的數(shù)據(jù)倉庫環(huán)境中進(jìn)入了實(shí)用的階段。

數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)分析(如查詢、報(bào)表、聯(lián)機(jī)應(yīng)用分析)的本質(zhì)區(qū)別是數(shù)據(jù)挖掘是在沒有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識(shí)。數(shù)據(jù)挖掘所得到的信息應(yīng)具有先未知，有效和可實(shí)用三個(gè)特征。

3 數(shù)據(jù)挖掘技術(shù)功能

1) 自動(dòng)預(yù)測(cè)趨勢(shì)和行為

數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫中尋找預(yù)測(cè)性信息，以往需要進(jìn)行大量手工分析的問題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。一個(gè)典型的例子是市場(chǎng)預(yù)測(cè)問題，數(shù)據(jù)挖掘使用過去有關(guān)促銷的數(shù)據(jù)來尋找未來投資中回報(bào)最大的用戶，其它可預(yù)測(cè)的問題包括預(yù)報(bào)破產(chǎn)以及認(rèn)定對(duì)指定事件最可能作出反應(yīng)的群體。

2) 關(guān)聯(lián)分析

數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識(shí)。若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就稱為關(guān)聯(lián)。關(guān)聯(lián)可分為簡(jiǎn)單關(guān)聯(lián)、時(shí)序關(guān)聯(lián)、因果關(guān)聯(lián)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關(guān)聯(lián)網(wǎng)。有時(shí)并不知道數(shù)據(jù)庫中數(shù)據(jù)的關(guān)聯(lián)函數(shù)，即使知道也是不確定的，因此關(guān)聯(lián)分析生成的規(guī)則帶有可信度。

3) 聚類

數(shù)據(jù)庫中的記錄可被化分為一系列有意義的子集，即聚類。聚類增強(qiáng)了人們對(duì)客觀現(xiàn)實(shí)的認(rèn)識(shí)，是概念描述和偏差分析的先決條件。聚類技術(shù)主要包括傳統(tǒng)的模式識(shí)別方法和數(shù)學(xué)分類學(xué)。80年代初，Mchalski提出了概念聚類技術(shù)其要點(diǎn)是，在劃分對(duì)象時(shí)不僅考慮對(duì)象之間的距離，還要求劃分出的類具有某種內(nèi)涵描述，從而避免了傳統(tǒng)技術(shù)的某些片面性。

4) 概念描述

概念描述就是對(duì)某類對(duì)象的內(nèi)涵進(jìn)行描述，并概括這類對(duì)象的有關(guān)特征。概念描述分為特征性描述和區(qū)別性描述，前者描述某類對(duì)象的共同特征，后者描述不同類對(duì)象之間的區(qū)別。生成一個(gè)類的特征性描述只涉及該類對(duì)象中所有對(duì)象的共性。生成區(qū)別性描述的方法很多，如決策樹方法、遺傳算法等。

5) 偏差檢測(cè)

數(shù)據(jù)庫中的數(shù)據(jù)常有一些異常記錄，從數(shù)據(jù)庫中檢測(cè)這些偏差很有意義。偏差包括很多潛在的知識(shí)，如分類中的反常實(shí)例、不滿足規(guī)則的特例、觀測(cè)結(jié)果與模型預(yù)測(cè)值的偏差、量值隨時(shí)間的變化等。偏差檢測(cè)的基本方法是，尋找觀測(cè)結(jié)果與參照值之間有意義的差別。

4 數(shù)據(jù)挖掘常用技術(shù)

在數(shù)據(jù)挖掘中最常用的技術(shù)有：

人工神經(jīng)網(wǎng)絡(luò)：人工神經(jīng)網(wǎng)絡(luò)方法從結(jié)構(gòu)上模仿生物神經(jīng)網(wǎng)絡(luò)，是一種通過訓(xùn)練來學(xué)習(xí)的非線性預(yù)測(cè)模型。 它將每一個(gè)連接看作一個(gè)處理單元(PE)，試圖模擬人腦神經(jīng)元的功能。它可以完成分類、聚類、特征挖掘等多種數(shù)據(jù)挖掘任務(wù)。

決策樹：決策樹是數(shù)據(jù)挖掘中經(jīng)常要用到的一種技術(shù)，可以用于分析數(shù)據(jù)，同樣也可以用來作預(yù)測(cè)。它利用樹的結(jié)構(gòu)將數(shù)據(jù)記錄進(jìn)行分類，樹的一個(gè)葉結(jié)點(diǎn)就代表某個(gè)條件下的一個(gè)記錄集，根據(jù)記錄字段的不同取值建立樹的分支；在每個(gè)分支子集中重復(fù)建立下層結(jié)點(diǎn)和分支，便可生成一棵決策樹。常用的算法有CHAID、 CART、 Quest 和C5.0。

遺傳算法：遺傳算法是一種基于生物自然選擇與遺傳機(jī)理的隨機(jī)搜索算法。其基本思想是基于 Darwin的進(jìn)化論和 Mendel的遺傳學(xué)說。該算法由密執(zhí)安(Michigan)大學(xué)教授 Holland及其學(xué)生于 1975年創(chuàng)建。與傳統(tǒng)搜索算法不同，遺傳算法從一組隨機(jī)產(chǎn)生的初始解，稱為種群(Population)，開始搜索過程。種群中的每個(gè)個(gè)體是問題的一個(gè)解，稱為染色體(Chromone)。染色體是一串符號(hào)，例如一個(gè)二進(jìn)制字符串。這些染色體在后續(xù)迭代中不斷進(jìn)化，稱為遺傳在每一代中用適應(yīng)度 (Fitness)來衡量染色體的好壞。生成下一代染色體，稱為后代(Offspring)。后代是由前一代染色體通過交叉(Crossover)或變異(Muration)運(yùn)算形成。根據(jù)適應(yīng)度大小選擇部分后代淘汰部分后代，從而保持種群大小是常數(shù)。適應(yīng)度高的染色體被選中的概率高。這樣，經(jīng)過若干代之后，算法收斂于最好的染色體，它很可能就是問題的最優(yōu)解或次優(yōu)解。

近鄰算法：將數(shù)據(jù)集合中每一個(gè)記錄進(jìn)行分類的方法。

規(guī)則推導(dǎo)：從統(tǒng)計(jì)意義上對(duì)數(shù)據(jù)中的“如果-那么”規(guī)則進(jìn)行尋找和推導(dǎo)。

5 數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)

在技術(shù)上可以根據(jù)它的工作過程分為：數(shù)據(jù)的抽取、數(shù)據(jù)的存儲(chǔ)和管理、數(shù)據(jù)的展現(xiàn)等關(guān)鍵技術(shù)。

1) 數(shù)據(jù)的抽取

數(shù)據(jù)的抽取是數(shù)據(jù)進(jìn)入倉庫的入口。由于數(shù)據(jù)倉庫是一個(gè)獨(dú)立的數(shù)據(jù)環(huán)境，它需要通過抽取過程將數(shù)據(jù)從聯(lián)機(jī)事務(wù)處理系統(tǒng)、外部數(shù)據(jù)源、脫機(jī)的數(shù)據(jù)存儲(chǔ)介質(zhì)中導(dǎo)入數(shù)據(jù)倉庫。數(shù)據(jù)抽取在技術(shù)上主要涉及互連、復(fù)制、增量、轉(zhuǎn)換、調(diào)度和監(jiān)控等幾個(gè)方面的處理。在數(shù)據(jù)抽取方面，未來的技術(shù)發(fā)展將集中在系統(tǒng)功能集成化方面，以適應(yīng)數(shù)據(jù)倉庫本身或數(shù)據(jù)源的變化，使系統(tǒng)更便于管理和維護(hù)。

2) 數(shù)據(jù)的存儲(chǔ)和管理

數(shù)據(jù)倉庫的組織管理方式?jīng)Q定了它有別于傳統(tǒng)數(shù)據(jù)庫的特性，也決定了其對(duì)外部數(shù)據(jù)的表現(xiàn)形式。數(shù)據(jù)倉庫管理所涉及的數(shù)據(jù)量比傳統(tǒng)事務(wù)處理大得多，且隨時(shí)間的推移而快速累積。在數(shù)據(jù)倉庫的數(shù)據(jù)存儲(chǔ)和管理中需要解決的是如何管理大量的數(shù)據(jù)、如何并行處理大量的數(shù)據(jù)、如何優(yōu)化查詢等。目前，許多數(shù)據(jù)庫廠家提供的技術(shù)解決方案是擴(kuò)展關(guān)系型數(shù)據(jù)庫的功能，將普通關(guān)系數(shù)據(jù)庫改造成適合擔(dān)當(dāng)數(shù)據(jù)倉庫的服務(wù)器。

3) 數(shù)據(jù)的展現(xiàn)

在數(shù)據(jù)展現(xiàn)方面主要的方式有：

查詢：實(shí)現(xiàn)預(yù)定義查詢、動(dòng)態(tài)查詢、OLAP查詢與決策支持智能查詢；報(bào)表：產(chǎn)生關(guān)系數(shù)據(jù)表格、復(fù)雜表格、OLAP表格、報(bào)告以及各種綜合報(bào)表；可視化：用易于理解的點(diǎn)線圖、直方圖、餅圖、網(wǎng)狀圖、交互式可視化、動(dòng)態(tài)模擬、計(jì)算機(jī)動(dòng)畫技術(shù)表現(xiàn)復(fù)雜數(shù)據(jù)及其相互關(guān)系；統(tǒng)計(jì)：進(jìn)行平均值、最大值、最小值、期望、方差、匯總、排序等各種統(tǒng)計(jì)分析；挖掘：利用數(shù)據(jù)挖掘等方法，從數(shù)據(jù)中得到關(guān)于數(shù)據(jù)關(guān)系和模式的知識(shí)。

4) 數(shù)據(jù)挖掘一般過程

圖1描述了數(shù)據(jù)挖掘的基本過程和主要步驟。

過程中各步驟的大體內(nèi)容如下：

5.1 確定業(yè)務(wù)對(duì)象

清晰地定義出業(yè)務(wù)問題,認(rèn)清數(shù)據(jù)挖掘的目的是數(shù)據(jù)挖掘的重要一步.挖掘的最后結(jié)構(gòu)是不可預(yù)測(cè)的,但要探索的問題應(yīng)是有預(yù)見的,為了數(shù)據(jù)挖掘而數(shù)據(jù)挖掘則帶有盲目性,是不會(huì)成功的

5.2 數(shù)據(jù)準(zhǔn)備

1) 數(shù)據(jù)的選擇

搜索所有與業(yè)務(wù)對(duì)象有關(guān)的內(nèi)部和外部數(shù)據(jù)信息，并從中選擇出適用于數(shù)據(jù)挖掘應(yīng)用的數(shù)據(jù)。

2) 數(shù)據(jù)的預(yù)處理

研究數(shù)據(jù)的質(zhì)量，為進(jìn)一步的分析作準(zhǔn)備。并確定將要進(jìn)行的挖掘操作的類型。

3) 數(shù)據(jù)的轉(zhuǎn)換

將數(shù)據(jù)轉(zhuǎn)換成一個(gè)分析模型。這個(gè)分析模型是針對(duì)挖掘算法建立的。建立一個(gè)真正適合挖掘算法的分析模型是數(shù)據(jù)挖掘成功的關(guān)鍵。

5.3 數(shù)據(jù)挖掘

對(duì)所得到的經(jīng)過轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘。除了完善從選擇合適的挖掘算法外,其余一切工作都能自動(dòng)地完成。

5.4 結(jié)果分析

解釋并評(píng)估結(jié)果。其使用的分析方法一般應(yīng)作數(shù)據(jù)挖掘操作而定，通常會(huì)用到可視化技術(shù)。

5.5 知識(shí)的同化

將分析所得到的知識(shí)集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中去。

6 數(shù)據(jù)挖掘技術(shù)的應(yīng)用

應(yīng)用是數(shù)據(jù)挖掘技術(shù)的發(fā)展動(dòng)力，數(shù)據(jù)挖掘研究具有廣泛的應(yīng)用前景，因?yàn)閿?shù)據(jù)挖掘產(chǎn)生的知識(shí)可以用于決策支持、信息管理、科學(xué)研究等許多領(lǐng)域。數(shù)據(jù)挖掘技術(shù)與各個(gè)行業(yè)的有機(jī)結(jié)合體現(xiàn)了其蓬勃的生命力 ，且這種趨勢(shì)正在以前所未有的速度繼續(xù)向前發(fā)展。尤其是在如銀行、電信、保險(xiǎn)、交通、零售（如超級(jí)市場(chǎng)）等商業(yè)領(lǐng)域。數(shù)據(jù)挖掘所能解決的典型商業(yè)問題包括：數(shù)據(jù)庫營(yíng)銷（Database Marketing）、客戶群體劃分（Customer Segmentation & Classification）、背景分析（Profile Analysis）、交叉銷售（Cross-selling）等市場(chǎng)分析行為，以及客戶流失性分析(Churn Analysis)、客戶信用記分(Credit Scoring)、欺詐發(fā)現(xiàn)(Fraud Detection)等等。具體應(yīng)用實(shí)例如：IBM公司開發(fā)的QUEST和Intelligent Miner系統(tǒng)可以挖掘顧客的購(gòu)物行為模式，預(yù)測(cè)銷售行情。AT& T實(shí)驗(yàn)室開發(fā)了Hancock系統(tǒng)，該系統(tǒng)主要處理電信數(shù)據(jù)流，分析電話呼叫記錄。Bell通信研究所的Tribeca則是一個(gè)用于網(wǎng)絡(luò)監(jiān)控的系統(tǒng)。Google公司利用其數(shù)據(jù)挖掘技術(shù)Page Rank，在短短的幾年內(nèi)打敗所有競(jìng)爭(zhēng)對(duì)手成為Internet上的贏家。

7 結(jié)束語

數(shù)據(jù)挖掘是當(dāng)前計(jì)算機(jī)工業(yè)最熱門的研究領(lǐng)域之一。它是一個(gè)不斷發(fā)展的、綜合交叉的學(xué)科。隨著數(shù)據(jù)挖掘成功案例的廣播，越來越多的行業(yè)采用數(shù)據(jù)挖掘技術(shù)，它將會(huì)被廣泛而深入地應(yīng)用于人類生活的各個(gè)領(lǐng)域。

參考文獻(xiàn)：

[1] 張士玲,楊林楠,孫向前,等.淺論數(shù)據(jù)挖掘技術(shù)[J].福建電腦,2005(8):61-62.

[2] 楊雪.淺析數(shù)據(jù)挖掘技術(shù)[J].華南金融電腦,2005(8):83-85.

[3] 張倩.數(shù)據(jù)挖掘技術(shù)綜述[J].甘肅科技,2005,21(7):92-93.

[4] 黃曉霞,蕭蘊(yùn)詩.數(shù)據(jù)挖掘應(yīng)用研究及展望[J].計(jì)算機(jī)輔助工程,2001(4):23-29.

篇3

關(guān)鍵詞：撮合；框架模型；方法算法；應(yīng)用；綜述；展望

1引言

Internet和信息技術(shù)的發(fā)展使得電子商務(wù)平臺(tái)成為買賣雙方進(jìn)行商品交易和服務(wù)提供的重要虛擬場(chǎng)所。技術(shù)帶動(dòng)買家、賣家及其他實(shí)體組成了新一代電子商務(wù)組織，電子中介的撮合也成為電子商務(wù)中重要的應(yīng)用之一。隨著社會(huì)經(jīng)濟(jì)的全球化及信息技術(shù)的發(fā)展，撮合技術(shù)越來越受到重視，在多個(gè)領(lǐng)域得到了廣泛應(yīng)用，已經(jīng)成為為管理學(xué)、運(yùn)籌學(xué)、計(jì)算機(jī)科學(xué)及系統(tǒng)工程等領(lǐng)域備受關(guān)注的研究方向，具有重要科學(xué)意義和廣闊應(yīng)用前景。本文將從撮合（matchmaking）的概念發(fā)展、框架模型、方法算法等方面對(duì)撮合的研究進(jìn)展及應(yīng)用現(xiàn)狀進(jìn)行梳理和評(píng)述，并提出未來的研究展望。

2撮合技術(shù)研究進(jìn)展

2.1概念發(fā)展研究

Wallace等認(rèn)為撮合是為了婚姻目的將兩個(gè)人進(jìn)行配對(duì)的過程[1]，他根據(jù)對(duì)會(huì)員特征的歸類，并結(jié)合實(shí)驗(yàn)對(duì)象最后的婚姻狀況報(bào)告，研究提出了如何使俱樂部在婚姻撮合行為中更為科學(xué)有效地運(yùn)作。隨著知識(shí)經(jīng)濟(jì)的出現(xiàn)以及撮合技術(shù)進(jìn)一步在信息領(lǐng)域的應(yīng)用，撮合逐漸成為一種借助知識(shí)共享智能系統(tǒng)而存在的信息供給者與消費(fèi)者之間的合作伙伴關(guān)系[2]。Daniel等人認(rèn)為撮合是一種基于計(jì)算機(jī)可識(shí)別信息及內(nèi)容語言的自動(dòng)化處理進(jìn)程，該進(jìn)程通過分別接收一組供給信息和需求信息作為輸入，從而輸出一組滿足需求的k組最優(yōu)供給方案的撮合隊(duì)列[3]。電子商務(wù)的發(fā)展及INTERNET環(huán)境的變遷，對(duì)商務(wù)活動(dòng)中交易方案的合理化、交易區(qū)間的最大化以及交易實(shí)現(xiàn)的高效率性提出了更高的要求。唐亮貴等提出了在INTERNET環(huán)境中基于Multi-Agent的撮合交易模型[4]，該研究認(rèn)為撮合交易的基本思想和目標(biāo)是：資源的合理配置、優(yōu)化配置以及交易區(qū)間、交易量和交易效率的優(yōu)化；從而提供一個(gè)優(yōu)化的交易平臺(tái)，充分體現(xiàn)出高質(zhì)量、高水平、高效率的交易服務(wù)。

普遍地，撮合被認(rèn)為是一種在潛在合作伙伴和交易者之間進(jìn)行商業(yè)活動(dòng)的進(jìn)程，它通過使有意進(jìn)行經(jīng)濟(jì)價(jià)值交換的交易者與潛在對(duì)象獲得聯(lián)絡(luò)并進(jìn)行磋商，是一種在供給與需求之間尋找可能匹配空間的自動(dòng)化過程[5]。撮合能夠通過的方式對(duì)供需雙方的信息進(jìn)行收集、存儲(chǔ)，通過相應(yīng)撮合模型及算法的處理，使?jié)撛诘慕灰讓?duì)象能夠獲得聯(lián)絡(luò)并進(jìn)行磋商，從而產(chǎn)生優(yōu)化的交易匹配方案。綜合學(xué)者對(duì)撮合概念的研究，總結(jié)撮合的基本模式如圖1所示。

2.2框架模型研究

早期的撮合模型和撮合系統(tǒng)主要基于計(jì)算機(jī)中介通信（Computer-Mediated Communication）的框架，如通過組織內(nèi)的電子郵件系統(tǒng)等方式。這一時(shí)期的撮合，計(jì)算機(jī)僅被當(dāng)作一種信息中介工具，由個(gè)體之間自主地進(jìn)行信息交流及交易活動(dòng)。被Adelman等人稱作“婚姻市場(chǎng)中間人”（Marriage Market Intermediary，MMI）的撮合系統(tǒng)[6]，則是使用計(jì)算機(jī)中介將媒體中的服務(wù)信息集中起來，并按照信息匹配的方法為單身男女進(jìn)行婚姻撮合的。研究強(qiáng)調(diào)了婚姻中介決策支持的重要意義和作用，并使用了三階段模型來解釋了的撮合行為：“搜尋”（信息獲取）、“配對(duì)”（可兼容對(duì)象的集中）以及“互動(dòng)”（一組配對(duì)的形成或者拒絕）。隨著撮合應(yīng)用領(lǐng)域的擴(kuò)展，需求的多樣化和信息的高容量需求使得基于的撮合成為研究和應(yīng)用所廣泛認(rèn)同的框架模型。除了作為一個(gè)單獨(dú)的存在之外，撮合者還包含了在知識(shí)共享中間件中的結(jié)構(gòu)化共享信息以及對(duì)應(yīng)的撮合算法[7] 。

基于的撮合框架模型經(jīng)歷了從中央式結(jié)構(gòu)（Centralized Architecture）到分布式結(jié)構(gòu)（Decentralized/Distributed Architecture）的變遷。早期的撮合框架多采用中央式結(jié)構(gòu)，使用一個(gè)服務(wù)于單個(gè)或者多個(gè)用戶。這是因?yàn)?，在P2P（Peer to Peer）技術(shù)尚未成熟時(shí)期，終端之間缺少有效溝通聯(lián)絡(luò)的方法，中央式結(jié)構(gòu)因易于構(gòu)建和控制、直觀簡(jiǎn)單而成為撮合唯一的解決方案[8]。但在研究與應(yīng)用中逐漸發(fā)現(xiàn)中央式結(jié)構(gòu)也存在一些弊端，如難以應(yīng)付過大用戶量的承載問題和意外故障可能導(dǎo)致整個(gè)系統(tǒng)癱瘓崩潰的安全問題[9]。分布式結(jié)構(gòu)的多撮合框架模型則能有效地解決上述問題[10]，成為目前撮合系統(tǒng)/平臺(tái)最常用的框架結(jié)構(gòu)。圖2可表達(dá)一般多撮合的框架模型。

現(xiàn)實(shí)世界中的撮合問題比較復(fù)雜，往往需要同時(shí)考慮多個(gè)維度屬性的撮合。學(xué)者針對(duì)不同環(huán)境、不同對(duì)象、不同目的下的撮合問題進(jìn)行研究，構(gòu)建了一些有代表性的撮合框架模型。

軟件的概念被擴(kuò)展到消費(fèi)者購(gòu)買行為（Consumer Buying Behavior， CBB）這一傳統(tǒng)市場(chǎng)營(yíng)銷模型中，為基于的電子商務(wù)市場(chǎng)發(fā)展起到了推動(dòng)作用。該模型從六個(gè)階段對(duì)基于的電子商務(wù)撮合系統(tǒng)來劃分整個(gè)撮合交易行為[11]：需求確定、產(chǎn)品中介、供貨方中介、磋商、購(gòu)買及交付、服務(wù)和評(píng)價(jià)。

基于多的企業(yè)能力匹配決策支持系統(tǒng)依據(jù)企業(yè)能力模型構(gòu)建，能夠幫助企業(yè)加強(qiáng)或創(chuàng)造其匹配市場(chǎng)需求的企業(yè)能力。這個(gè)多系統(tǒng)由一組互相協(xié)作的組成，包括：需求（Request Agent，RA）、能力（Competence Agent，CA）和公共信息（Public Information Agent，PIA）。系統(tǒng)中的器能夠成為企業(yè)能力信息的要求者和提供者，它在能力知識(shí)庫中通過推理及與其他互動(dòng)來生成企業(yè)能力的撮合匹配方案，在解決能力匹配問題的知識(shí)上具有優(yōu)勢(shì)[12]。

應(yīng)對(duì)租賃住房的網(wǎng)絡(luò)搜尋問題，Du等人構(gòu)建了一個(gè)基于“溯因合取查詢回答”（Abductive Conjunctive Query Answering）的撮合系統(tǒng)框架[13]，該系統(tǒng)模型將租賃住房的撮合方案定義為對(duì)租房需求的“溯因合取查詢回答”（Abductive Conjunctive Query Answering）。該系統(tǒng)分為兩個(gè)部分：線下部分將從網(wǎng)絡(luò)上搜集和存儲(chǔ)的各類租賃住房信息集中到描述邏輯程序本體（DLP Ontology）中，包含了控制器、轉(zhuǎn)換器、恢復(fù)器和封裝器四個(gè)構(gòu)件；線上部分則建立在一個(gè)應(yīng)用“溯因合取查詢回答” （Abductive Conjunctive Query Answering）的撮合器（matchmaker）之上，對(duì)用戶的租賃住房需求做出回應(yīng)。

面對(duì)現(xiàn)實(shí)世界中復(fù)雜多維度的撮合需求，Daniel等人構(gòu)建了一個(gè)基于的GRAPPA（Generic Request Architecture for Passive Provider Agents）撮合匹配模型，通過計(jì)算候選對(duì)象各個(gè)維度的關(guān)聯(lián)度來對(duì)可能的匹配進(jìn)行優(yōu)先排序。通過該模型建立的撮合“知識(shí)庫”和“工具庫”能夠廣泛地適用于各種電子商務(wù)市場(chǎng)中的撮合交易應(yīng)用[14]。他隨后的研究進(jìn)一步定義了多維度撮合的概念，并實(shí)現(xiàn)了XML結(jié)構(gòu)的EJB撮合應(yīng)用，該研究定義了某些領(lǐng)域的不同關(guān)聯(lián)函數(shù)并應(yīng)用于人力資源領(lǐng)域。

2.3方法算法研究

在撮合框架模型下，根據(jù)撮合對(duì)象的屬性對(duì)供給、需求雙方按照一定的條件進(jìn)行匹配的方法算法是實(shí)現(xiàn)撮合的重要技術(shù)方法。許多學(xué)者針對(duì)撮合的方法及算法進(jìn)行了深入的研究，總體來看，撮合方法可以分成三類[15]：功能性撮合（Functional Based Matchmaking）、非功能性撮合（Non-functional Based Matchmaking）以及復(fù)合撮合方法（Hybrid Matchmaking）。

功能性撮合方法（Functional Based Matchmaking）對(duì)用戶的服務(wù)或商品的功能性描述與需求信息進(jìn)行過濾與處理[16]，主要的方法有本體撮合（Ontology Based Matchmaking）、語義撮合（Semantic Matchmaking）、基于語義的本體撮合（Ontology Based Semantic Matchmaking）、演繹撮合（Deductive Matchmaking）和相似性撮合（Similarity Matchmaking）等。

非功能性撮合方法（Non-functional Based Matchmaking）按照服務(wù)或商品的非功能性要求進(jìn)行撮合，多用于Web Service的撮合匹配問題研究與應(yīng)用[16]。該方法對(duì)用戶提出的非功能性要求（通常指QoS約束）過濾， 例如Web Service的可用性、可得性、完整性、性能、可靠性、可管理性和安全性等約束。常用的方法有QoS撮合（QoS Based Matchmaking）、本體QoS撮合（Ontology Based QoS Matchmaking）、語義QoS撮合（Semantic Based QoS Matchmaking）、本體語義QoS撮合（Ontology Based Semantic QoS Matchmaking）以及約束規(guī)劃QoS撮合（QoS Based Matchmaking by Constraints Programming）等。

復(fù)合撮合方法（Hybrid Matchmaking）是功能性和非功能性撮合方法的聯(lián)合應(yīng)用[15]。一般地，撮合進(jìn)程依據(jù)服務(wù)或商品的功能性需求展開，當(dāng)生成的撮合方案容量較大的時(shí)候，基于非功能性撮合的結(jié)果輸出能夠有效較少方案數(shù)目，使撮合能夠更易于找到最合適的匹配方案。兩種撮合方法的聯(lián)合應(yīng)用，無疑能夠提高撮合的效率、柔性和精度。

不同撮合問題研究中，研究主要從描述邏輯語言和算法兩個(gè)角度來解決撮合中主要的技術(shù)方法問題。正如前文中所述，這二者也是撮合系統(tǒng)的最重要組成部分。

2.3.1描述邏輯語言研究

研究廣泛地認(rèn)同撮合需要將服務(wù)或商品的供需信息轉(zhuǎn)化為計(jì)算機(jī)可識(shí)別的內(nèi)容語言（Content Language）[7]，再通過機(jī)器的學(xué)習(xí)和推理能力對(duì)既定規(guī)則和目標(biāo)的對(duì)象進(jìn)行撮合。許多研究通過對(duì)服務(wù)或商品基于內(nèi)容和約束的信息過濾來描述其特征并確定相關(guān)性[11]，在語義描述方法的研究主要有語義網(wǎng)（Semantic Web）技術(shù)、RDF、DAML、Larks、DAML-S、DAML-OIL、MSDL、DataLog、模糊語言方法等。

早期網(wǎng)絡(luò)上已經(jīng)存在一些尋求和發(fā)現(xiàn)Web Service的途徑如UDII（Universal Description Discovery and Integration，通用描述、發(fā)現(xiàn)與集成服務(wù)）和ebXML（E-business eXtensible Markup Language，電子商務(wù)全球化標(biāo)準(zhǔn)），但這些電子商務(wù)行業(yè)中標(biāo)準(zhǔn)化描述方法的應(yīng)用無法在既有服務(wù)界面來實(shí)現(xiàn)撮合功能[17]，并且在產(chǎn)品和服務(wù)描述上的柔性和豐富性有所欠缺[18]。為進(jìn)一步解決服務(wù)發(fā)現(xiàn)與服務(wù)提供的問題，許多研究通過使用語義網(wǎng)（Semantic Web）來應(yīng)用于Web Service描述來實(shí)現(xiàn)信息自動(dòng)處理功能[19]。

Transtour等通過對(duì)語義網(wǎng)技術(shù)（Semantic Web Technologies）和電子商務(wù)標(biāo)準(zhǔn)框架（Standard Frameworks for E-commerce）的對(duì)比分析研究表明，以往的描述語言技術(shù)不足以填補(bǔ)現(xiàn)有電子商務(wù)標(biāo)準(zhǔn)框架與語義網(wǎng)技術(shù)應(yīng)用需求之間的空白。該研究以RDF（Resource Description Framework）和DAML （Darpa Agent Markup Language）這兩種基于語義網(wǎng)的描述邏輯語言為例，進(jìn)一步指出基于語義網(wǎng)的自動(dòng)撮合和磋商技術(shù)在今后復(fù)雜的商務(wù)環(huán)境中將起到重要作用，語義網(wǎng)技術(shù)和工具的應(yīng)用將會(huì)在其中扮演更為重要的角色[18]。

Larks是在撮合用于描述供給和需求屬性要求特征的語言[20]。該語言巧妙地平衡了描述邏輯在撮合問題中同時(shí)強(qiáng)調(diào)的語義表達(dá)性和效率性，使撮合模型能夠同時(shí)進(jìn)行文本匹配和語義撮合。DMAL用于研究Web Service的發(fā)現(xiàn)與提供，被學(xué)者進(jìn)一步發(fā)展為DMAL-S（DARPA Agent Markup Language for Services），成為一種用于描述Web Service 和Agent屬性與能力的高級(jí)本體語言[21]，它提供了對(duì)Web Service的功能（服務(wù)配置）、如何執(zhí)行（服務(wù)模型）、以及服務(wù)如何得到（服務(wù)落地）的標(biāo)準(zhǔn)化描述，是Web Service 能力描述的重要工具。通過軟件的自動(dòng)化處理，DAML-OIL（DARPA Agent Markup Language Ontology Interchange Language）擁有易被人類理解的規(guī)范語義能力，用于分別描述需求方和供給方的服務(wù)和商品屬性要求[22]，已經(jīng)成為最具表達(dá)能力的本體語言之一。

隨著撮合研究和應(yīng)用領(lǐng)域的不斷延伸，不斷出現(xiàn)了新的描述邏輯語言用于對(duì)服務(wù)和商品的信息描述。制造服務(wù)描述語言（Manufacturing Service Description Language ，MSDL）就是一種通過有向標(biāo)簽樹的形式對(duì)制造服務(wù)進(jìn)行規(guī)范描述的高級(jí)本體語言[23]，它用于描述制造業(yè)供應(yīng)鏈中供需雙方制造能力的匹配相似性。語言語義不如數(shù)字表達(dá)要求精度高，在描述不確定性的語言變量更為合適[24]，因此使用語詞來替代數(shù)字變量的模糊語言方法也更適合處理非確定性信息的撮合問題?；诨舳髯泳溥壿嫷腄atalog（也稱作Top-k-Datalog語言）是一種成熟且有用的描述語言，它能夠擴(kuò)展地結(jié)合模糊語言方法的使用來制定撮合規(guī)則和查詢的軟約束，通過相應(yīng)的算法尋找出按優(yōu)先順序排列的k組配對(duì)。

2.3.2算法研究

學(xué)者對(duì)撮合的算法研究成果主要經(jīng)歷了文本匹配和語義匹配兩個(gè)階段。早期研究的對(duì)象較為簡(jiǎn)單，相關(guān)支持技術(shù)方法亦不夠成熟，撮合考慮的屬性維度較少，主要以撮合對(duì)象文本資料信息的關(guān)鍵字匹配相似度作為撮合依據(jù)。隨著人工智能的發(fā)展和應(yīng)用，機(jī)器自學(xué)習(xí)能力和自推理能力得到長(zhǎng)足發(fā)展，一般化的產(chǎn)品服務(wù)描述語言能夠被機(jī)器所理解并進(jìn)行推理，因此語義匹配方法在描述產(chǎn)品服務(wù)性能、信息檢索推理上大大提高了效率和精度，是現(xiàn)在主流應(yīng)用的算法依據(jù)。

基于OWL-S描述，Paolucci等在研究Web Service能力撮合匹配問題時(shí)提出了輸出最小距離算法，該算法嚴(yán)格判定需求輸入是否規(guī)范以及服務(wù)提供方的輸出是否滿足需求者的輸入，但在處理非確切服務(wù)匹配問題時(shí)因?yàn)殪`活性不夠而適用性不強(qiáng)[25]。TRANSTOUR算法則基于RDF對(duì)服務(wù)的描述，通過圖位匹配方法比較服務(wù)供需方的描述，如果雙方描述的根元素相似，則描述相似；反之，則不相似[18]。LARKS算法源于LARKS語言中對(duì)服務(wù)的四個(gè)功能參數(shù)輸入、輸出、約束內(nèi)、約束外的分解設(shè)定，通過五個(gè)有序不同的過濾器的單獨(dú)或聯(lián)合使用，根據(jù)成本排序來進(jìn)行服務(wù)的撮合匹配[20]。

Manaster在研究中將組合數(shù)學(xué)（combinatorics）和遞歸函數(shù)理論（Recursive Function Theory）首次應(yīng)用到婚姻撮合問題中[26]。靜態(tài)婚姻撮合算法（Stable Marriage Matching Algorithm）[27]不僅在早期的研究中可以為靜態(tài)婚姻撮合問題中的每個(gè)單身對(duì)象找到最合適的配對(duì)，Choi等人還通過將服務(wù)消費(fèi)者捆綁到服務(wù)提供者，采用該算法對(duì)服務(wù)的撮合匹配進(jìn)行了研究。與OWL-S和LARKS等其他撮合方法不同的是，該算法還實(shí)現(xiàn)了網(wǎng)絡(luò)節(jié)點(diǎn)中的時(shí)序安排[28]，擴(kuò)大了多變環(huán)境下算法對(duì)多網(wǎng)絡(luò)節(jié)點(diǎn)的支持能力。

在COINS（Common INterest System）這一多推薦系統(tǒng)中，Leonard使用SMART撮合算法和WordNet算法來比較系統(tǒng)內(nèi)不同用戶的屬性特征，實(shí)現(xiàn)系統(tǒng)內(nèi)具有相似興趣用戶的互相推薦[8]。在復(fù)雜的電子商務(wù)市場(chǎng)撮合匹配過程中，往往難以一次性達(dá)到精確有效的撮合方案。當(dāng)供給需求雙方的真實(shí)意向約束無法達(dá)成一致，便得不到合適的匹配結(jié)果導(dǎo)致撮合失敗。Michael等構(gòu)建了擴(kuò)展撮合成分（Extended Matchmaking Component ，EMC）算法[29]，當(dāng)供需雙方真實(shí)約束無法匹配但雙方又愿意放寬各自的約束條件時(shí)，該算法能快速有效地確定最后雙方磋商的一致意向。

Noia等修正了經(jīng)典的結(jié)構(gòu)化歸納算法并提出了潛在排序算法（rankPotential Algorithm）[5]，通過對(duì)不同撮合匹配的分類以及打分，得出不同撮合配對(duì)的優(yōu)先順序，從而完成電子商務(wù)市場(chǎng)上交易雙方的撮合匹配過程。Gatteschi等人在研究網(wǎng)絡(luò)招聘問題時(shí)，基于就業(yè)者知識(shí)技能及其他能力概念的屬性比較，也使用了排序算法[30]對(duì)網(wǎng)上擇業(yè)者給予了撮合匹配決策支持。

張振華等根據(jù)電子中介處理個(gè)人之間單件物品交易時(shí)的多屬性匹配問題，建立了多目標(biāo)匹配模型（多目標(biāo)指派模型），推導(dǎo)了用理想點(diǎn)法求解該模型[31]，并以二手房交易問題為例的仿真算例表明該方法有一定通用性。樊治平等通過將買賣雙方的滿意度語言評(píng)價(jià)信息的效率矩陣轉(zhuǎn)化為二元語義形式，以買方與賣方雙方滿意度最大為目標(biāo)構(gòu)建了多目標(biāo)優(yōu)化模型[32]。進(jìn)一步研究針對(duì) IT服務(wù)的供給方和需求方分別給出的語言滿意度評(píng)價(jià)信息，將語言評(píng)價(jià)信息轉(zhuǎn)化為三角模糊數(shù)并進(jìn)行多指標(biāo)信息的集結(jié)運(yùn)算，以供給方和需求方雙方滿意度最大為目標(biāo)構(gòu)建了服務(wù)供需雙邊匹配的模糊多目標(biāo)優(yōu)化模型[33]。

3撮合技術(shù)應(yīng)用現(xiàn)狀

如引文所述，在INTERNET電子商務(wù)環(huán)境下，基于電子中介的需求方描述所需服務(wù)和商品特征屬性，供給方通過廣告形式披露其服務(wù)和商品屬性信息，中間則以撮合者的身份對(duì)雙方需求及利益進(jìn)行撮合協(xié)商，以達(dá)成最有效的交易匹配及競(jìng)爭(zhēng)優(yōu)勢(shì)。如中國(guó)棉花交易市場(chǎng)就是較早應(yīng)用了撮合交易模式建立的電子交易市場(chǎng)，阿里巴巴是迄今最成功應(yīng)用撮合交易理念展開B2B電子商務(wù)模式的典范。某些特殊行業(yè)中，如易創(chuàng)化工網(wǎng)、中國(guó)糧食貿(mào)易網(wǎng)、制造商網(wǎng)等電子商務(wù)市場(chǎng)都是通過應(yīng)用撮合交易創(chuàng)新而發(fā)展壯大的。不僅如此，撮合技術(shù)因其有效地支持網(wǎng)絡(luò)環(huán)境下的服務(wù)和商品交易問題，在以下多個(gè)領(lǐng)域得到了深入研究與廣泛應(yīng)用。

金融領(lǐng)域因其產(chǎn)品和服務(wù)的虛擬性特征，應(yīng)用了撮合交易機(jī)制來提高服務(wù)質(zhì)量和效率。A-Match是一個(gè)使得商能夠動(dòng)態(tài)出入的用戶資產(chǎn)管理撮合系統(tǒng)[34]，該系統(tǒng)使用撮合器（matchmaker）來支持商在系統(tǒng)中的服務(wù)交易。IBM蘇黎世研究所應(yīng)用撮合機(jī)制建立了保險(xiǎn)服務(wù)的網(wǎng)絡(luò)虛擬市場(chǎng)[35]，為保險(xiǎn)服務(wù)網(wǎng)上提供和交易提供了便利。

IM3（Intelligent Mobile MatchMaker）[36]是一個(gè)通過移動(dòng)網(wǎng)絡(luò)與終端來為用戶提供最合適的旅游資訊信息的撮合系統(tǒng)。該系統(tǒng)基于移動(dòng)終端接入互聯(lián)網(wǎng)中央服務(wù)器，通過用戶需求偏好和旅游資訊的語義描述與分析，構(gòu)建了同時(shí)解決偏好沖突和不完全信息的算法模型，能夠有效地為用戶推薦最感興趣和最合適的旅游資訊。

與傳統(tǒng)的工作招聘方式不同，雇主和雇員在網(wǎng)絡(luò)上缺乏面對(duì)面直接交互信息及磋商的機(jī)會(huì)。Leonard研究了Recruit Navi這一招聘系統(tǒng)，針對(duì)該系統(tǒng)無法對(duì)招聘和求職信息進(jìn)行雙邊匹配的問題，研究設(shè)計(jì)了一個(gè)包括“用戶條件”及“企業(yè)要求”的雙邊匹配系統(tǒng)模型，建立了使用知識(shí)庫的人撮合系統(tǒng)，來實(shí)現(xiàn)器的擬人化決策過程。模擬結(jié)果表明該撮合系統(tǒng)能夠有效減少Recruit Navi的搜尋結(jié)果、提高用戶使用效率、降低系統(tǒng)信息搜尋負(fù)載，表現(xiàn)了良好的應(yīng)用前景[37]。Daniel等人與西門子為德國(guó)勞動(dòng)力中心（German Labor Exchange Office， BfA）設(shè)計(jì)的HRNetAgent系統(tǒng)[14]使用網(wǎng)絡(luò)數(shù)據(jù)庫中的應(yīng)聘者和職位信息，應(yīng)用了GRAPPA框架下的多維度模型對(duì)人力資源招聘進(jìn)行了智能撮合，系統(tǒng)在實(shí)驗(yàn)仿真和橫向?qū)Ρ妊芯可隙急憩F(xiàn)了很好的應(yīng)用效果。類似地，e-HR撮合服務(wù)系統(tǒng)[38]也通過Web服務(wù)提供了一個(gè)標(biāo)準(zhǔn)的人力資源搜索平臺(tái)，并通過撮合匹配反饋出最合適的職位人選。Hara等人構(gòu)建了一個(gè)基于網(wǎng)絡(luò)和的支持系統(tǒng)的概念模型，研究構(gòu)建了一個(gè)工作撮合匹配模型，并以此開發(fā)了一個(gè)原型系統(tǒng)[39]。支持系統(tǒng)由基于的“職位撮合過程”和基于合作器的“結(jié)果推理過程”兩部分組成，系統(tǒng)通過大型的遠(yuǎn)程工作社區(qū)來實(shí)現(xiàn)雇員和雇主的優(yōu)勢(shì)匹配與撮合。

學(xué)習(xí)網(wǎng)絡(luò)（Learning Networks）是學(xué)生和教師通過計(jì)算機(jī)和網(wǎng)絡(luò)中介來進(jìn)行學(xué)習(xí)和互動(dòng)的社區(qū)[40]，實(shí)現(xiàn)了隨時(shí)隨地在學(xué)生之間以及學(xué)生與教師之間進(jìn)行課程的授予與知識(shí)分享。Kester等人通過對(duì)學(xué)習(xí)網(wǎng)絡(luò)中非對(duì)稱知識(shí)共享的研究，設(shè)計(jì)了一個(gè)滿足邊界條件、多樣性條件、問責(zé)條件的學(xué)習(xí)網(wǎng)絡(luò)系統(tǒng)構(gòu)架，對(duì)學(xué)習(xí)網(wǎng)絡(luò)中的用戶進(jìn)行撮合和聚類。學(xué)習(xí)網(wǎng)絡(luò)定的人能夠被撮合并聚集到一起形成一個(gè)知識(shí)共享交流社區(qū)[41]，使得自適應(yīng)的瞬變（自組織臨時(shí)）社區(qū)的發(fā)展和繁榮變得可能。相應(yīng)的研究表明，數(shù)字圖書館也可以作為一個(gè)撮合支持系統(tǒng)[42]，面向用戶推薦并撮合有共同技能和興趣愛好的對(duì)象進(jìn)行交流與互動(dòng)，以增進(jìn)用戶學(xué)習(xí)與溝通的效率。虛擬社區(qū)（Social Network Service，SNS）中社員新加入社區(qū)和后期的活動(dòng)過程中，撮合系統(tǒng)（Matchmaking System）用于互聯(lián)網(wǎng)虛擬社區(qū)的相互推薦，目的在于撮合匹配有相似背景和興趣愛好的社區(qū)成員互相活動(dòng)，進(jìn)行信息交流和知識(shí)共享。撮合系統(tǒng)利用社區(qū)成員的評(píng)價(jià)來幫助社區(qū)其他成員確認(rèn)他們最有興趣、最需要的信息和產(chǎn)品[43]。如1994年提供線上服務(wù)的Ringo System就是一個(gè)利用協(xié)同過濾為用戶推薦音樂的系統(tǒng)。

類似于證券股票市場(chǎng)的競(jìng)價(jià)撮合機(jī)制，我國(guó)電力交易市場(chǎng)也有具有相似的交易特征。部分研究依據(jù)撮合匹配理論方法，基于成本、效率、容量等視角，構(gòu)建了電力市場(chǎng)撮合交易模型與機(jī)制[44， 45]，并投入了實(shí)際應(yīng)用，如南方區(qū)域電力市場(chǎng)年度月度競(jìng)價(jià)交易平臺(tái)、華東區(qū)域電力市場(chǎng)年度月度競(jìng)價(jià)交易平臺(tái)、江蘇和河南等地推行的高耗能小機(jī)組向高效率大機(jī)組轉(zhuǎn)讓發(fā)電計(jì)劃的發(fā)電權(quán)交易市場(chǎng)平臺(tái)等。

4研究評(píng)述與展望

經(jīng)歷了數(shù)十年的發(fā)展，撮合技術(shù)得到了廣泛地關(guān)注，已經(jīng)在理論和實(shí)踐上取得了一定的研究與應(yīng)用成果。隨著撮合技術(shù)在各個(gè)領(lǐng)域深化應(yīng)用，現(xiàn)有研究已經(jīng)不能完全滿足當(dāng)今復(fù)雜多變的社會(huì)商務(wù)環(huán)境需求，本文認(rèn)為需要進(jìn)一步在以下幾個(gè)方面加強(qiáng)其研究與應(yīng)用。

4.1撮合概念與理論深化

推薦系統(tǒng)是為解決Internet上的信息過載問題而提出的一種智能系統(tǒng)，它能從Internet的大量信息中向用戶自動(dòng)推薦出符合其興趣偏好或需求的資源。推薦系統(tǒng)通過研究用戶的興趣偏好，進(jìn)行個(gè)性化計(jì)算，由系統(tǒng)發(fā)現(xiàn)用戶的興趣點(diǎn)，從而引導(dǎo)用戶發(fā)現(xiàn)自己的信息需求[46]。

如前文所述，撮合系統(tǒng)的問題描述及其框架模型、方法算法都與信息領(lǐng)域的推薦系統(tǒng)有一定相似之處。特別是在電子商務(wù)領(lǐng)域的應(yīng)用研究中，推薦系統(tǒng)與撮合系統(tǒng)都采用了的框架結(jié)構(gòu)，在語義描述和推薦/撮合算法上沒有明顯的區(qū)分和界限。筆者認(rèn)為：推薦系統(tǒng)解決的是信息過載問題，它能夠幫助用戶檢索有用信息，并且根據(jù)用戶的偏好進(jìn)行信息過濾與信息推薦，從而達(dá)到為客戶提供個(gè)性化服務(wù)和提高客戶忠誠(chéng)度等目的；而撮合系統(tǒng)的目的則是促成交易的雙邊匹配方案，實(shí)現(xiàn)資源的合理配置、優(yōu)化配置以及交易區(qū)間、交易量和交易效率的優(yōu)化。如何認(rèn)識(shí)撮合系統(tǒng)與推薦系統(tǒng)的異同，在研究與應(yīng)用過程中正確將二者區(qū)分或者相結(jié)合，還有待進(jìn)一步深入研究。

4.2不完全信息條件下撮合研究

現(xiàn)有對(duì)服務(wù)和商品撮合交易的研究中，描述問題和對(duì)象的屬性、供需要求通常是比較確切的。然而在現(xiàn)實(shí)復(fù)雜多變的商務(wù)環(huán)境中，由于雙邊信息不對(duì)稱、信息的模糊性等原因，需求方對(duì)多樣化的服務(wù)和商品屬性要求信息往往是模糊或不完備的（即模糊信息）。在針對(duì)供需信息實(shí)現(xiàn)最優(yōu)的雙邊撮合匹配中，有時(shí)也面臨著服務(wù)和商品屬性權(quán)重信息不完全的情況。在多屬性決策問題研究中，參數(shù)信息不能完全確定的決策研究已經(jīng)取得一定進(jìn)展，如何在信息不完全條件下的撮合問題中尋求優(yōu)化的撮合匹配方案，在理論和現(xiàn)實(shí)需要上都是值得研究的主題。

4.3撮合模型和算法擴(kuò)展

通過文獻(xiàn)綜述可以看出，現(xiàn)有研究成果普遍認(rèn)為撮合匹配是一種基于的決策支持行為，由撮合器（matchmaker）依據(jù)雙方屬性信息按照一定目標(biāo)進(jìn)行最優(yōu)化匹配。多數(shù)研究在構(gòu)建撮合框架模型時(shí)，依據(jù)特定問題的服務(wù)和交易特征，較多地從系統(tǒng)構(gòu)架和語義算法的角度來進(jìn)行研究，鮮有數(shù)學(xué)模型的構(gòu)建與求解。與推薦系統(tǒng)所強(qiáng)調(diào)的信息過濾與推薦算法不同的是，撮合應(yīng)用在電子中介商品交易問題中通常以目標(biāo)函數(shù)和約束條件的模型構(gòu)建與優(yōu)化為研究?jī)?nèi)容和目標(biāo)，存在許多算法研究成果應(yīng)用于撮合交易模型的求解?？梢酝茢啵鄬傩云ヅ淠Ｐ偷难芯恳矊?duì)撮合研究的模型構(gòu)建和算法求解有著重要的借鑒研究意義。

4.4基于群決策的撮合研究

現(xiàn)實(shí)中的撮合問題不僅發(fā)生在于單個(gè)個(gè)體之間，網(wǎng)絡(luò)社群的盛行和商務(wù)模式的發(fā)展也使得群體之間的撮合成為必要，如群體服務(wù)、團(tuán)體大客戶購(gòu)買等行為。與單個(gè)個(gè)體撮合問題不同的是，群體之間的撮合需要考慮群內(nèi)單個(gè)成員的偏好與決策。群體之間的撮合中需要集結(jié)各個(gè)決策個(gè)體的偏好為群體偏好，再根據(jù)群體偏好和群屬性、群目標(biāo)進(jìn)行撮合。群決策理論方法能夠把不同成員的關(guān)于方案集合中各方案的偏好按某種規(guī)則集結(jié)為決策群體的一致或妥協(xié)的群體偏好序[47]，從而使得一個(gè)群體能夠共同進(jìn)行一項(xiàng)聯(lián)合行動(dòng)決策。如何將群決策理論與方法巧妙地應(yīng)用到群體撮合問題中，在理論和實(shí)踐上都有研究的意義和必要性。

4.5撮合技術(shù)應(yīng)用實(shí)踐

雖然撮合問題的研究已經(jīng)取得了一定成就，但是它在現(xiàn)實(shí)社會(huì)中的應(yīng)用還不夠廣泛和深入。簡(jiǎn)單的撮合問題中，撮合對(duì)象屬性維度較少、信息確切，因此在電子商務(wù)環(huán)境下證券股票、電力等交易環(huán)境中有較為成熟的應(yīng)用。在具有不對(duì)稱模糊信息、不完全信息、復(fù)雜信息結(jié)構(gòu)等特征的撮合問題上，由于相關(guān)模型算法研究的支持不夠，絕大多數(shù)應(yīng)用研究?jī)H停留在試驗(yàn)的系統(tǒng)原型或?qū)嶒?yàn)仿真階段（如上文述及e-HR系統(tǒng)等），實(shí)際投入商業(yè)和社會(huì)應(yīng)用的卻不多見。今后需要在加強(qiáng)撮合模型算法研究的基礎(chǔ)之上，進(jìn)一步將理論研究與應(yīng)用實(shí)踐相結(jié)合，為社會(huì)經(jīng)濟(jì)發(fā)展提供管理科學(xué)決策支持。

參考文獻(xiàn)：

[1] Wallace K M. An Experiment in Scientific Matchmaking[J]. Marriage and Family Living， 1959， 21（4）： 342-348.

[2] Genesereth M R. An Agent-Based Framework for Interoperability.Software Agents[M]. MIT Press， 1997， 317-345.

[3] Veit D J，Weinhardt C，Ller J R P M. Multi-Dimensional Matchmaking for Electronic Markets[J]. Applied Artificial Intelligence， 2002， 16（9-10）： 853-869.

[4] 唐亮貴，唐世國(guó). Internet 環(huán)境中電子商務(wù)交易模型綜述[J]. 重慶商學(xué)院學(xué)報(bào)， 2002（006）： 85-88.

[5] Noia T D，Sciascio E D，Donini F M， et al. A System for Principled Matchmaking in an Electronic Marketplace[J]. International Journal of Electronic Commerce， 2004， 8（4）： 9-37.

[6] Adelman M B，Ahuvia A C. Mediated Channels for Mate Seeking： A Solution to Involuntary Singlehood[J]. Critical Studies in Media Communication， 1991， 8（3）： 273-289.

[7] Kuokka D，Harada L. Matchmaking for Information Agents[C]//International Joint Conference on Artificial Intelligence. Lawrence Erlbaum Associates LTD， 1995： 672-678.

[8] Foner L. A Multi-Agent Referral System for Matchmaking[C]//Proceedings the First International Conference on the Practical Application of Intelligent Agents and Multi-Agent Technology. 1996： 245-262.

[9] Foner L N. Yenta： A Multi-Agent， Referral-Based Matchmaking System[C]//Proceedings of the First International Conference on Autonomous Agents. ACM， 1997： 301-307.

[10] Foner L. Community Formation Via a Distributed， Privacy-Protecting Matchmaking System[J]. Community Computing and Support Systems， 1998： 359-376.

[11] Ojha A，Kumar Pradhan S K. Fuzzy Linguistic Approach to Matchmaking in E-Commerce[C]//9Th International Conference on Information Technology. IEEE， 2006： 217-220.

[12] Yu L，Biqing H，Wenhuang L， et al. Knowledge Based Decision Support System for Matchmaking of Enterprise Competence[C]//2000 Ieee International Conference on Systems， Man， and Cybernetics. IEEE， 2000： 2023-2027.

[13] Du J，Wang S，Qi G， et al. An Abductive CQA Based Matchmaking System for Finding Renting Houses[C]//Proc. of Joint International Semantic Technology Conference. 2011： 394-401.

[14] Veit D，Müller J P，Schneider M， et al. Matchmaking for Autonomous Agents in Electronic Marketplaces[C]//Proceedings of the Fifth International Conference on Autonomous Agents. ACM， 2001： 65-66.

[15] Dharanyadevi P，Dhavachelvan P，Baskaran R， et al. Qualitative Analysis on Matchmaking Techniques for Web Service Discovery[J]. International Journal of Advancements in Computing Technology， 2010， 2（2）： 130-143.

[16] Kritikos K，Plexousakis D. Requirements for Qos-Based Web Service Description and Discovery[J]. IEEE Transactions on Services Computing， 2009， 2（4）： 320-337.

[17] Kawamura T，Hasegawa T，Ohsuga A. Proposal of Semantics-Based Web Service Matchmaking[C]//Proceedings of the Fourth International Conference on Computational Intelligence and Multimedia Applications. IEEE Computer Society， 2001： 87.

[18] Trastour D，Bartolini C，Castillo J G. A Semantic Web Approach to Service Description for Matchmaking of Services[C]//Proceedings of the International Semantic Web Working Symposium SWWS. 2001： 447-461.

[19] Lee T B，Hendler J，Lassila O. The Semantic Web[J]. Scientific American， 2001， 284（5）： 34-43.

[20] Sycara K，Widoff S，Klusch M， et al. Larks： Dynamic Matchmaking Among Heterogeneous Software Agents in Cyberspace[J]. Autonomous Agents and Multi-Agent Systems， 2002， 5（2）： 173-203.

[21] Anupriya A. DAML-S： Semantic Markup for Web Services[C]//Proceedings of the International Semantic Web Working Symposium SWWS. 2002： 411-430.

[22] Tomaz R F，Labidi S. Increasing Matchmaking Semantics in Intelligent Commerce System[C]//International Conference on Web Intelligence. IEEE， 2003： 616-619.

[23] Ameri F，Dutta D. A Matchmaking Methodology for Supply Chain Deployment in Distributed Manufacturing Environments[J]. Journal of Computing and Information Science in Engineering， 2008， 8（1）： 11002-11011.

[24] Chao K M，Younas M，Lo C C， et al. Fuzzy Matchmaking for Web Services[C]//19Th International Conference on Advanced Information Networking and Applications. IEEE， 2005： 721-726.

[25] Martin D，Burstein M，Hobbs J， et al. OWL-S： Semantic Markup for Web Services. W3C Member Submission. 2004， 22（2008-01-07）： 2004-2007.

[26] Manaster A B，Rosenstein J G. Effective Matchmaking （Recursion Theoretic Aspects of a Theorem of Philip Hall）[J]. Proceedings of the London Mathematical Society， 1972， 3（4）： 615.

[27] Gusfield D，Irving R W. The Stable Marriage Problem： Structure and Algorithms[M]. 1989.

[28] Choi K H，Lee K，Shin H， et al. Efficient Algorithm for Service Matchmaking in Ubiquitous Environments[J]. E-Commerce and Web Technologies， 2005： 258-266.

[29] Str bel M，Stolze M. A Matchmaking Component for the Discovery of Agreement and Negotiation Spaces in Electronic Markets[J]. Group Decision and Negotiation， 2002， 11（2）： 165-181.

[30] Gatteschi V，Lamberti F，Sanna A， et al. A Semantic Matchmaking System for Job Recruitment[C]//Proc. Of the 10Th International Conference on Knowledge Management and Knowledge Technologies. [S.1.]： 2010： 50-59.

[31] 張振華，汪定偉. 電子中介中的多屬性匹配研究[J]. 計(jì)算機(jī)工程與應(yīng)用， 2005， 41（4）： 9-11.

[32] 陳希，樊治平. 電子采購(gòu)中具有語言評(píng)價(jià)信息的交易匹配問題研究[J]. 運(yùn)籌與管理， 2009（003）： 132-137.

[33] 陳希，樊治平，李玉花. IT 服務(wù)供需雙邊匹配的模糊多目標(biāo)決策方法[J]. 管理學(xué)報(bào)， 2011， 8（7）： 1097-1101.

[34] Paolucci M，Niu Z，Sycara K， et al. Matchmaking to Support Intelligent Agents for Portfolio Management[C]//Proceedings of the National Conference on Artificial Intelligence. MIT Press， 2000： 1125-1126.

[35] Field S，Hoffner Y. Vimp-a Virtual Market Place for Insurance Products[J]. Electronic Markets， 1998， 8（4）： 3-7.

[36] Calì A. Im3： A System for Matchmaking in Mobile Environments[C]//Knowledge-Based Intelligent Information and Engineering Systems. Springer， 2005： 156.

[37] Barolli L，Koyama A，Cheng Z， et al. An Agent Based Matchmaking System Using Knowledge Base[C]//22nd International Conference on Distributed Computing Systems Workshops. IEEE， 2002： 142-146.

[38] Lee K K K，Chiu D K W，Hung P C K. Web-Service Based Information Integration for E-Financial Planning System Matchmaking Decision Support[C]//International Conference on Web Intelligence and Intelligent Agent Technology Workshops. [S.1.]： IEEE， 2006： 259-262.

[39] Hara H，F(xiàn)ujita S，Sugawara K. Agent-Based Job Matchmaking System for Teleworkers[C]//Artificial Intelligence and Soft Computing. ACTA Press， 2004.

[40] Goodyear P. Networked Learning in Higher Education Project[R]. UK： Lancaster University， 2001.

[41] Kester L，Van Rosmalen P，Sloep P， et al. Matchmaking in Learning Networks： A System to Support Knowledge Sharing[C]//Proceedings Workshop Learning Networks for Lifelong Competence Development. Sofia， Bulgaria： 2006： 93-100.

[42] Nichols D M，Twidale M B. Matchmaking and privacy in the digital library： striking the right balance[C]//Proceedings of the 4th UK/International on Electronic Library and Visual Information Research. London， UK： Aslib， 1997： 31-38.

[43] Konstan J A. Introduction to Recommender Systems： Algorithms and Evaluation[J]. Acm Transactions on Information Systems （Tois）， 2004， 22（1）： 1-4.

[44] 夏清，孫正運(yùn). 考慮交易成本的區(qū)域市場(chǎng)撮合交易模型[J]. 電網(wǎng)技術(shù)， 2005， 29（17）： 1-4.

[45] 肖海波，韓正華，陳彤. 我國(guó)區(qū)域電力市場(chǎng)批發(fā)競(jìng)爭(zhēng)運(yùn)營(yíng)模式探討[J]. 華中電力， 2007， 20（1）： 51-54.