中文摘要：

可信电子商务环境建设已经成为当前电子商务发展的瓶颈和热点问题。谈判服务支持也已经成为当前B2B商务发展的必然趋势。本项目融合辩论理论、Agent理论与技术、可信软件等理论与技术研究可信B2B电子商务谈判服务中的对手可信性和功能可信性问题。具体研究内容包括基于有向图的不可控对手信用计算模型，基于信用与风险的对手选择模型；论辩Agent体系结构、基于RAO逻辑的对手BDI推理模型；论据评估模型、建议生成模型、辩论态度选择模型、论据生成模型和自适应调整策略等。本项目强调多学科交叉融合，旨在完善电子商务信用评价体系，推动B2B电子商务由信息服务向交易服务转换，为我国电子商务的信息化和智能化发展提供技术和平台支持。

结论摘要：

本项目的研究结果包括四方面内容（1）谈判策略设计与分析（2）谈判协议共享方法研究（3）电子商务推荐系统中冷启动、稀疏性和可扩展性问题研究与用户建模研究（4）基本学习算法研究。在第一方面，首先从理论上分析了不完全信息一次性双边讨价还价中参与者选择让步策略可以提高达成一致的比率和单方或双方的收益，并通过两组模拟实验进一步验证这些结论；其次，综合考虑讨价还价者的有限理性、讨价还价时间、不完全信息和动态环境等因素，给出了基于对手私有信息预测的改进BLGAN讨价还价策略。该策略不仅可以适应各种可能的讨价还价环境，还可以适应各种各样的讨价还价对手。与已有相关策略比较结果显示改进BLGAN策略的性能优于现有相关策略。当面对那些经常改变他们的策略以实现反学习的谈判对手时，改进BLGAN策略的优越性更明显。在第二方面，我们给出了一种对象Petri网，并应用该对象Petri网模型模拟谈判Agent的交互规则，利用对象Petri网性质分析方法验证谈判Agent交互规则的性质。拍卖协议的建模与性质分析实例表明该对象Petri网建模及分析方法在Agent交互规则性质证明方面是可行的。在第三方面，为了克服协同过滤推荐算法面临的稀疏性、可扩展性和冷启动问题，提出了三种不同的方法（一种将数据迁移和聚类方法结合的方法，一种将分布式估计学习算法和基于用户兴趣描述文件相结合的混合推荐模型，一种应用模糊聚类技术和高精准度的矩阵填充算法改进的Slope One预测算法）,实验结果显示这三种方法在解决前面的三个问题是有效的；提出了一种多维度权重动态更新的电影用户兴趣建模方法，实验表明集成了多维度用户兴趣模型的基于内容的推荐算法在推荐准确率和召回率上均有提高。 在第四方面，提出了一种用维选择方法来替代随机系数的粒子群算法中的进化方法，实验结果表明该算法具有计算更简单，而且优化结果更精确等特点；以农技处方文档为具体实例，提出了一种段落意图分类模型，现实数据集上的实验表明该分类模型具有不错的分类效果和领域适用性；针对大数据时代用户很难准确确定K均值算法中K值的问题，提出了一种基于密度的循环首次适应Ｋ值优化算法来优化K值。将该算法看作一个无放回随机抽样问题，首先应用概率理论从理论上证明了该算法的可行性，然后又通过两组实验验证了算法的有效性。