Система управления контекстной рекламой (часть 5)

Онтологическая база знаний системы. Для построения МАС предлагается использовать подход автоматизированного синтеза агентов. Про это пишут с специализированных публикациях, технический перевод которых могут выполнить с центрах переводов. Исходными данными для синтеза агентов являются онтологии, описывающие основные аспекты предметной области и требования к системе, в частности онтология предметной области и вариантов использования, описанные с помощью языка веб-онтологий OWL. Для обеспечения основной функциональности агентов (принятие решений, планирование действий, взаимодействие с другими агентами) автоматизированно создается онтологическая база знаний, которая содержит модели концептуальных понятий, отношений и правила для анализа и ситуативной ориентации. Онтология предметной области является ключевым элементом в процессе синтеза агентов, так как служит основой для формирования модели знаний системы в целом и каждого агента в отдельности. Соответственно, одним из первых этапов разработки МАС является построение онтологической модели предметной области. Можно использовать готовую существующую онтологию, если она описывает всю требуемую информацию. Если информация в существующей онтологии представлена частично, то ее можно взять за основу.

На рис. 1 представлен фрагмент разработанной модели знаний в виде OWL-онтологии для контекстной рекламы.

Фрагмент OWL-онтологии для системы управления контекстной рекламой

Рис. 1. Фрагмент OWL-онтологии для системы управления контекстной рекламой

Основными сущностями модели является кампания(Campaign), объявление(Advertisement) и ключевое слово(Keyword). Одной из основных задач системы является оценка эффективности кампаний и составление предложений по улучшению эффективности. Ключевым показателем эффективности ключевых фраз и объявлений является CTR (Click-Through Rate, отношение количества кликов к количеству показов, где клик – одно нажатие на рекламное сообщение, показ – одно отображение рекламного сообщения посетителю вебстраницы). После получения статистики по кампании в системе производится анализ основных показателей Для показателя CTR нижним пределом в настоящее время считаются значения 0,3 – 0,5%. Для этого случая в разработанной онтологии существует аксиома (здесь приводится с использованием OWL Functional Syntax):

При понижении уровня показателя CTR ниже допустимого значения, ключевое слово или объявление может быть остановлено:

Внешнему состоянию StoppedForLowCtr соответствует внутреннее состояние Stopped:

Из правил 1 – 3 видно, что ключевое слово перешло в системе в состояние «Остановлено» (Stopped), при этом пользователь получает детальное описание причин остановки. Далее система производит оптимизацию отключенных ключевых фраз и ключевых фраз с низким показателем CTR для повышения эффективности кампании в целом. Для этого используются следующие OWL-аксиомы:

Все ключевые фразы, удовлетворяющие условиям 4 – 6, переводятся в состояние “NotEffective”. Это состояние обрабатывается системой, в результате чего появляются задачи по повышению эффективности ключевых фраз. Повышение эффективности по отношению к ключевому слову заключается в добавлении минус-слов (“NegativityKeyword”), в комбинации с которыми исходное ключевое слово на поиске не будет вызывать показа соответствующего объявления. После проведения оптимизации ключевых слов агентам выставляются задачи на изменение слов на рекламных площадках. Система уведомляет пользователя о происшедших изменениях, и при необходимости пользователь может отменить оптимизацию или произвести ее самостоятельно.

Следующим этапом разработки МАС при использовании автоматизированного синтеза агентов является разработка модели вариантов использования. Для разработки модели вариантов использования в первую очередь анализируются пользователи мультиагентной системы (подобно построению диаграмм вариантов использования в UML). В нашем случае они определены в модели предметной области: domCA:Publisher (конкретный рекламодатель), domCA:Agency (менеджер рекламного агентства).

Пользователи могут наследовать роли друг друга (factor-generalization), при этом наследник наследует связанные с предком варианты использования. Далее определяем варианты использования, связи с пользователями и друг с другом (аналогично расширению и включению в UML). Включение в UML обозначается как “include-relationship”, и подразумевает, что поведение, определяемое во включаемом варианте использования явно включается в поведение, определенное в базовом варианте использования. Предлагаемая модель вариантов использования представлена на рис. 2.

Модель вариантов использования для системы управления контекстной рекламой

Рис. 2. Модель вариантов использования для системы управления контекстной рекламой

Из модели вариантов использования мы извлекаем информацию о модели ролей и шаблонах поведения агентов. Варианты использования описывают в общем задачи агентов. Группируя похожие задачи, получаем основные роли. Агентам в системе ставится в соответствие одна или несколько ролей. Роль включает в себя цель, набор задач, а также неявно – сведения о инициаторе взаимодействия и о самом взаимодействии. Исходя из модели предметной области и модели вариантов использования, получаем модель ролей. Из описания роли извлекается информация о взаимодействии в основном на основании описания задач. Параллельные задачи фиксируют взаимодействие и могут быть использованы, чтобы определять сложные протоколы взаимодействия. Параллельные задачи также составляют основу для обмена сообщениями между классами агентов на этапе проектирования мультиагентой системы. Задачи, принадлежащие одной и той же роли, координируются между собой с помощью внутренних событий. Для того, чтобы гарантировать, что все цели в системе будут выполнены, с каждой ролью должен быть связан хотя бы один агент. Цели могут быть достигнуты различными способами и комбинациями задач. Для достижения целей в системе описываются стратегии поведений агентов.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Этот сайт использует Akismet для борьбы со спамом. Узнайте как обрабатываются ваши данные комментариев.

%d такие блоггеры, как: