20
Mestrado Integrado em Engenharia Informática e Computação Tecnologias de Negócio Electrónico Ano lectivo 2008/2009 Reputação e Confiança para Agentes no Mercado Electrónico Gabriela Soares

Tnel Final

Embed Size (px)

Citation preview

Page 1: Tnel Final

Mestrado Integrado em Engenharia Informática e Computação

Tecnologias de Negócio Electrónico

Ano lectivo 2008/2009

Reputação e Confiança para Agentes no Mercado

Electrónico

Gabriela Soares

Page 2: Tnel Final

Conteúdos

• Âmbito

• Objectivos

• Trabalhos Relacionados

• Abordagem Proposta

• Resultados

• Conclusão

Page 3: Tnel Final

Qual é o parceiro de negócio melhor para mim?

Page 4: Tnel Final

ÂmbitoEconomia digital:

novos modelos de negóciomudança constante necessidades de automação de processos (selecção de parceiros, interacção entre entidades)

Mercado Electrónico Sistemas Multi-Agente

Interacções entre agentes: RISCOS

Modelação de Confiança e Reputação

ART testbed

Page 5: Tnel Final

Objectivos

• Desenvolver um modelo de reputação e confiança para agentes num mercado electrónico

• Implementar

• Medir o sucesso: forças e fraquezas

Page 6: Tnel Final

Trabalhos Relacionados

• Sistema calcula e disponibiliza reputações baseado nas avaliações dos participantes

• Exemplos: eBay e Amazon Auctions

Abordagens centralizadas

Vantagem: a reputação de um agente está sempre disponível

Problema:a reputação é um valor global; os agentes utilizam avaliações feitas por terceiros

Page 7: Tnel Final

Trabalhos Relacionados

• Reputação baseada em experiências directas

• Cada agente avalia e armazena a reputação dos agentes com quem ele interagiu

• Exemplo: Regret System

Abordagens descentralizadas

Vantagem: reputação é calculada e armazenada individualmente pelo próprio agente

Problema:agentes não conhecem a reputação de outros agentes antes de interagir com ele

Page 8: Tnel Final

Trabalhos Relacionados

• Reputação baseada em testemunhas

• Agentes compartilham com outros agentes suas experiências directas

• Exemplo: Regret System e FIRE Model

Abordagens descentralizadas

Vantagem: agentes podem saber a reputação de outros agentes sem ter interagido com ele

Problema:processo de busca pode ser inviável

Page 9: Tnel Final

Trabalhos Relacionados

• Reputação certificada

• Após uma interação, um agente solicita ao outro a avaliação e armazena localmente essas avaliações que serão utilizadas como referências em uma próxima interação

• Agente apresenta as avaliações aos agentes com quem tem intenção em interagir

• Exemplo: FIRE Model

Abordagens descentralizadas

Vantagem: as avaliações estão sempre disponíveis

Problema:a reputação certificada é superestimada, pois o agente seleciona somente as

melhores avaliações

Page 10: Tnel Final

Como criar um modelo compatível com a plataforma?

Page 11: Tnel Final

Abordagem Proposta

• Modelação do Ambiente

• Estratégia de Pedidos

• Estratégia de Respostas

Page 12: Tnel Final

Modelação do Ambiente

Informação sobre os Agentes do Mundo

• Nome

• Expertise

• Sociabilidade (nível de resposta para pedidos de reputação)

• Opinions asked

• Reputations asked

Page 13: Tnel Final

Modelação do Ambiente

Actualizações

UpdateMargin = TruePaintingValue – Agent.AppraisedValue

Agent.Expertise = Agent.Expertise x [Agent.Expertise + UpdateMargin)]

Opinion Reply

Reputation Accept/Decline

Agent.Sociability = Agent.Sociability x (1 +/- SocMultiplier)

Reputation Reply

Difference = ValueFromReputationReplyMsg – Agent.CurrentExpertise

Agent.Expertise = Agent.Expertise x [1 + (Difference + RefAgent.Sociability)]

Expertise

Sociabilidade

Expertise

Page 14: Tnel Final

Estratégia de Pedidos

Lista ordenada de agentes por especialização numa era

Seleccionar os n agentes com os valores mais elevados da lista:

nEra = 1- Agent.ExpertiseEra

Opinião

Reputação

Sobre quem devo obter informação?

OpinionsAsked + ReputationAskedAbout ≤ TimesAskedMax

Page 15: Tnel Final

Estratégia de Resposta

Comportamentos

Responder a todos os pedidos

Sociável

Baseado em reciprocidade

Lista ordenada de agentes, numa dada era, por “qualidade” de resposta:

QAgent = (1 – Agent.totalError) x Trust x (1 – Agent.Expertise)

onde

Trust = 1 – (Agent.totalLies / Agent.totalAppraisals)

Page 16: Tnel Final

Resultados

Balanço bancário superior

Erro médio reduzido e linear ao longo da simulação

Page 17: Tnel Final

Resultados

Balanço bancário superior

Erro médio reduzido e linear ao longo da simulação

Comportamento

sociável

vs.

baseado em reciprocidade

Page 18: Tnel Final

Resultados (cont.)

Desempenho intermédio

Comparação “cega” de estratégias

Melhorias no uso da reputação?

Page 19: Tnel Final

Conclusões

• Importância da confiança e reputação no mercado

electrónico

• Benefícios e dificuldades

• Modelo de confiança e reputação compatível com a

plataforma

• Trabalho futuro: melhoria da estratégia (uso selectivo

da reputação?)

Page 20: Tnel Final