伍京華，王競陶，劉 浩，葉慧慧

(中國礦業(yè)大學(北京) 管理學院，北京 100083)

0 引言

在商務智能領域，自動談判是人們解決爭端和達成一致的重要途徑，能夠根據(jù)外部環(huán)境的動態(tài)變化實現(xiàn)復雜的談判，從而節(jié)省不必要的人力物力財力，因此自動談判成為人工智能領域的研究熱點[1-2]?；贏gent的情感勸說是基于Agent的自動談判發(fā)展到更加智能和高級的模式，這種談判方式不但利用Agent模擬人的情感、意識和行為，而且利用勸說的人工智能特點完成自動談判，能節(jié)約談判成本和提高談判理性程度[3]。例如：在國際煤炭行業(yè)供應鏈管理的采購及銷售中，由于談判各方處于不同國家，導致談判發(fā)生的時間、地點等不同，如果采取傳統(tǒng)談判方式，不僅會耗費談判各方的時間、人力、物力等成本，談判過程及結果也可能因為以上因素影響而難以達到最優(yōu)[4]。采取自動談判的方式，能在一定程度上避免以上因素影響，較好地解決以上問題，但目前真正能將談判與人工智能優(yōu)勢結合并深入的研究還較少[5]，因此需要進一步挖掘更加完善的自動談判模式。

國內外該領域中不同學者和專家從不同角度對基于Agent的情感勸說進行了研究：

(1)在自動談判領域。張京敏[6]考慮到對手分類算法與Q-learning算法能夠更好地適應動態(tài)變化的環(huán)境,提出了基于對手分類的強化學習雙邊多議題相關的協(xié)商算法。楊興燚[6]向基于Agent的系統(tǒng)引入了信任評估機制，所建立的信任模型，著重解決信任獲取問題，建立了多Agent的信任信息獲取與集結模型，并將信任機制與自動談判系統(tǒng)相結合。曹慕昆[7]利用多目標優(yōu)化算法NSGA-Ⅱ獲得談判雙方的Pareto出價組合,通過基于時間的固定談判策略沿Pareto邊界對出價進行修正,構建了一個能使談判雙方以較高效率實現(xiàn)雙贏的多屬性談判模型。

(2)情感量化及將情感引入人工智能方面。吳偉國[8]針對人—機器人交互構建了人工情感計算模型，該模型能有效模擬人類情緒的變化過程。Jiang Hong[9]利用PAD心情模型構建了Agent情感辯論模型，并討論了情感對辯論結果的影響。郭尚波[10]研究了影響情感產(chǎn)生的認知條件以及OCEAN、PAD、OCC三個情感模型之間的相互作用，提出一種考慮了人類性格的情感產(chǎn)生模型。謝麗君[11]基于馬爾可夫鏈理論研究了情感維度理論，應用該理論建立了HMM情感模型并應用到了家庭服務機中。

(3)針對產(chǎn)生模型，張鴿[12]提出了候選辯論集的產(chǎn)生策略和基于沖突分析的辯論目標產(chǎn)生模型，分析了基于多Agent商務談判決策過程，并給出系統(tǒng)驗證。董學杰[13]針對Agent對動態(tài)變化的談判環(huán)境缺乏適應性的問題，建立了情感產(chǎn)生模型和決策模型,并在單屬性自動談判環(huán)境下,運用模型和實際數(shù)據(jù)進行試驗,實證了數(shù)據(jù)模型的有效性。Santos MR[14]為了更好地建立Agent情感的產(chǎn)生和評價模型，將性格模型、心情空間模型、情緒模型與群體決策支持系統(tǒng)相結合，并通過對比展示了基于Agent的情感勸說的優(yōu)勢。

(4)針對策略模型，李靜[15]針對辯論的產(chǎn)生、評估和策略缺乏系統(tǒng)化研究的現(xiàn)狀，將前景理論引入多Agent辯論協(xié)商模型中，制定出了相應的辯論協(xié)商策略。Carolis B[16]提出一種將Agent情感勸說與理性勸說相結合的計算模型，根據(jù)該模型對Agent的性格特征和生活習慣進行推理，并使Agent根據(jù)相應的推理結果選擇相應的勸說策略。

(5)針對評價模型，伍京華[17]給出了Agent勸說中輿論的定義和分類，然后結合形式邏輯理論，提出了Agent勸說中的積極輿論模型以及相應的評價體系，并通過算例進行驗證。Jiang Hong[18]等將情感融入BDI理論中，建立了EBRI Agent來描述Agent情感產(chǎn)生，并結合情感層次理論對Agent情感進行評價。伍京華等[19]將情感作為評價因素，提出了Agent主體情感的評價模型，構建了Agent合作主體選擇模型。

(6)針對讓步模型，伍京華[20]基于Agent辯論談判的流程進行了算例分析，提出了相應的讓步模型，并實現(xiàn)了相關的系統(tǒng)。孫華梅[21]等對Agent勸說進行分類，在讓步影響幅度的基礎上構建了讓步模型。董學杰[22]將情感理論與情感模型引入多Agent辯論談判領域，基于期望效用評價提出了情感的產(chǎn)生模型、評價模型，并提出了情感決策過程中相應的讓步模型和策略選擇。研究表明，在談判過程中，不同權利不同情感下的談判者會做出不同的讓步。

在動態(tài)變化的談判環(huán)境中，上述已有研究主要存在以下問題：

(1)對情感的研究不夠全面，不夠深入，尤其是情感的量化方面，已有研究在情感量化方面，有的僅僅是考慮情感的分類以及不同情感對勸說的影響，有的只將情緒和情感聯(lián)系起來，并未考慮性格因素對情感產(chǎn)生的影響，有的雖然考慮了性格和情緒對情感的影響，但是并未研究性格對情緒的影響。

(2)將情感理論應用到Agent勸說領域的研究較少，存在Agent對動態(tài)變化的談判環(huán)境缺乏適應性的問題。

(3)對Agent勸說的研究更多的是針對單一模型或算法的研究，對基于映射的勸說過程研究較少，尤其是考慮情感這一因素對基于Agent的映射的勸說過程的影響的研究較少。

針對現(xiàn)有研究中Agent情感勸說的動態(tài)變化方面存在的問題，本文重點考慮Agent勸說過程中的情感因素，首先在艾克曼[24]經(jīng)典情感分類的基礎上提出新的Agent情感分類后，利用已有情感理論中典型的OCEAN-PAD-OCC的層次映射模型[23]，構建了基于Agent的情感映射的勸說產(chǎn)生模型；其次，通過對Agent勸說策略、主導情感和情感閾值的定義，提出了相應的策略模型；再次，對Agent情感強度進行了定義，分析其影響因素為勸說策略和情感衰減，在對情感衰減進行定義的基礎上，提出了基于Agent的情感映射的勸說評價模型，并通過對受情感影響的讓步步長的計算構建了相應的讓步模型；最后，綜合以上模型，構建了相應的框架流程圖。情感和勸說的加入，讓本文提出的各個模型更能適應復雜的動態(tài)談判環(huán)境。

為了說明上述勸說過程及模型的有效性，本文以煤炭行業(yè)供應鏈管理中的采購商和銷售商的談判為背景，構建了相應算例并進行了分析，再結合JADE平臺，使用JAVA語言，對以上模型進行了系統(tǒng)實現(xiàn)。算例結果表明，情感映射對基于Agent的勸說的全過程都有著重要影響。與基于Agent的勸說相比，基于Agent的情感映射的勸說在考慮情感映射之后，不但依據(jù)情感映射來進行策略選擇，而且依據(jù)情感映射在交互過程中進行讓步，使勸說過程變得更加智能，更加接近人類的思維和情感變化，使勸說結果更加符合勸說實際?；诖耍炞C了本文模型的有效性，也說明了情感映射對基于Agent的勸說產(chǎn)生的重要影響。

1 基于Agent的情感映射模型

Agent情感產(chǎn)生的過程就是Agent模擬人的情感產(chǎn)生的過程，由于人類情感的產(chǎn)生受到性格、心情、情緒等多方面的影響，因此Agent情感的產(chǎn)生也會受到性格、心情和情緒等多個因素的影響。Agent性格指的是某個Agent個體特有的，受先天性因素和環(huán)境因素所影響的長期存在的心理特征；Agent心情是指Agent個體受外在環(huán)境所影響的能持續(xù)一段時間的一種感受；Agent情緒是指是一種瞬間變化的、短暫的、不穩(wěn)定的心理。

在影響Agent情感的分量中，Agent的性格相對穩(wěn)定，Agent心情的穩(wěn)定性介于Agent的個性與Agent的情緒之間，Agent的情緒最不穩(wěn)定。心理學研究表明，在相互作用方面，人的心情形成與個體性格有關，而心情會影響情緒的形成，從對決策的影響性來看，情緒對人的決策影響是顯式的，即個人的決策與情緒有著直接的關系，而個性和心情對人的影響卻是隱式的[25]。相應地，Agent的性格、心情和情緒也具有以上關系。

1.1 OCEAN到PAD的映射模型

Agent情感的變化會受到性格的影響，不同性格的人處于相同的環(huán)境下會產(chǎn)生不同的情感。得到最多相關領域學者和心理學家們認可的，是大五OCEAN性格模型，該模型通過Openness(開放性)、Conscientiousness(謹慎性)、Extraversion(外向型)、Agreeableness(宜人性)、Neuroticism(神經(jīng)質)五個因素對Agent個性進行描述。本文根據(jù)OCEAN大五性格模型定義了一個五元組ocean來度量Agent的性格，如式(1)所示：

ocean=(oo,oc,oe,oa,on)。

(1)

式中(oo,oc,oe,oa,on)分別表示Agent五種性格特征值。Agent在其中的某一維向量的取值越大，表示該Agent性格中的這個方面的表現(xiàn)越明顯。

在影響情感的分量中，性格相對穩(wěn)定。心情的穩(wěn)定性和變化介于性格與情緒之間。為了科學合理地計算Agent的性格對情感的影響，引入應用最廣泛的Mehrabian[26]提出的PAD心情空間作為中間層將性格與情緒聯(lián)系起來。該心情空間包含3個特質分別是：愉悅的程度P(pleasure)、被喚醒的程度A(arousal)、可支配的程度D(dominance)，P、A、D∈[-1，1]。Mehrabian提出了PAD三維心情空間，并根據(jù)PAD每一個維度的正負值組合，定義了8種心情類型。本文引入三維心情空間變量Pad來表示Agent的心情狀態(tài)，如式(2)所示：

Pad=(Pp,Pa,Pd)。

(2)

式中Pp,Pa,Pd表示Agent心情的愉悅度、喚醒度和支配度的值。

由矩陣運算規(guī)則可得OCEAN性格模型到PAD心情空間的映射，如式(3)所示：

(3)

因此，通過式(3)就可以將OCEAN性格模型中的5種性格因素量化后映射到PAD情感空間中。

本文參考楊國亮[27]和Gebhard P[28]經(jīng)典研究中的各個系數(shù)取值，得到Agent的心情轉換矩陣，如式(4)所示：

∏OCEAN→PAD=

(4)

因此，如假定Agent在勸說中的性格取值為ocean=[0.4 0.8 0.6 0.3 0.4]，則可由式(4)計算得其心情為PAD=[0.38 -0.08 0.5]。

1.2 PAD到OCC的映射模型

與性格和心情相比，情緒是影響Agent的情感分量中最容易變化的分量。本文選用的是易于在計算機上實現(xiàn)的、受到計算機專家和心理學專家一致肯定的基于認知的情感模型——OCC模型。Ortony等[29]人以情感產(chǎn)生的認知為研究出發(fā)點，以事件、主體和對象為評價標準，提出了包含22種情緒狀態(tài)的OCC層次結構情緒模型。為了簡化計算，本文選取模型中的12種情緒：joy、hope、relief、pride、gratitude、love、distress、fear、disappointment、remorse、anger、hate進行映射計算，并用式(5)來表示Agent對應12種情緒的取值，

occ=(o1,o2,…,o12)。

(5)

式中occ代表Agent情緒變量。

由12種OCC情緒模型和PAD心情空間的映射關系可得PAD心情空間映射到OCC情感模型的12×3的過渡矩陣，如式(6)所示：

(6)

根據(jù)文獻[28]中OCC情緒和PAD心情空間的映射關系，可得到PAD心情空間映射到OCC情感模型的值如式(7)所示：

(7)

2 基于Agent的情感映射的勸說產(chǎn)生模型

基于Agent的情感映射的勸說產(chǎn)生模型的核心是產(chǎn)生相應的Agent情感。因此，首先要對其中的Agent情感進行分類，然后根據(jù)上文的映射模型建立相應的情感產(chǎn)生模型。以往的研究主要按不同維度將Agent情感進行分類，可以產(chǎn)生多達幾十種不同的情感，這導致模型往往比較復雜，不適合勸說談判中的Agent。艾克曼(Ekman)[24]將情感分為恐懼、憤怒、悲傷、高興、厭惡和驚奇6種基本類型，該分類較為經(jīng)典，在心理學界和管理學界占有主體地位。因此，為了簡化研究，本文在此基礎上，將勸說過程中相應的Agent情感歸納為喜悅、悲傷、憤怒、恐懼4種基本情感，還有一種平靜的無情感狀態(tài)。將OCC情緒模型中選定的12種情緒映射到這4種基本情感中，建立相應的映射，如表1所示。

表1 OCC中12種情緒與4種基本情感的映射

綜合以上分析和研究，可以用一個四維向量來表示各情感的分量值[12]，從而得出基于Agent的情感映射的勸說產(chǎn)生模型，即對以上四種情感的綜合計算，如式(8)所示：

(8)

3 基于Agent的情感映射的勸說策略模型

在基于Agent的情感映射的勸說中，選擇合適的策略是保證勸說順利進行的重要條件，其核心是構建相應的策略模型，首先要對勸說策略進行定義。

定義1Agent勸說策略。是指Agent為了達到自身目的，而對其他Agent使用的呼吁、引誘等策略。

由定義1可知，Agent勸說策略是影響Agent情感變化的最重要因素。積極的勸說策略會給雙方Agent帶來正面的積極情感，消極的勸說策略會給雙方Agent帶來負面的消極情感。從上述產(chǎn)生模型來看，實際勸說中，Agent有4種情感，而構建相應的策略模型，主要根據(jù)其中某種情感來確定。因此，構建相應的策略模型，其次還要定義Agent的主導情感。

定義2Agent主導情感。是指Agent在勸說的產(chǎn)生模型中取值最大的情感，Agent需要根據(jù)該情感確定相應的策略，用Imax來表示。

再次，構建相應的策略模型，選擇合適的策略，還要對其中的Agent情感閾值進行定義和合理計算。

定義3Agent情感閾值。是指Agent由于性格不同而具有的激發(fā)情感的臨界值。

由定義3可知，判斷Agent某一情感是否被激發(fā)，主要看是否超過該閾值。顯然，個體情感閾值越大，表明個體情感越穩(wěn)定。邱林[30]和鄭雪等[31]研究表明，外傾性和神經(jīng)質對幸福感影響最大，其中外傾性與主觀幸福感有顯著正相關，神經(jīng)質與主觀幸福感有顯著負相關。因此，借助大五模型性格測定結果，可以通過式(9)計算Agent的情感閾值：

m=|oo-on|/10。

(9)

綜上所示，可以通過式(10)表示基于Agent的情感映射的勸說策略模型：

φ(T)={Si,j|Ei,T,Imax,m}。

(10)

式中：Si,j表示不同的勸說策略，φ(T)表示Agent選擇該勸說策略后產(chǎn)生的影響值。根據(jù)以上公式選擇相應策略，Agent完成后面的評價和讓步。

4 基于Agent的情感映射的勸說評價模型

與人類情感類似，Agent的情感不是一成不變的，會隨著環(huán)境、對方策略、自身性格等各種因素的影響而產(chǎn)生動態(tài)變化，并且Agent的情感會對Agent的評價造成一定程度的影響，因此，在構建了基于Agent的情感映射的勸說產(chǎn)生和策略模型后，需要構建相應的評價模型完成勸說，而基于Agent的情感映射的勸說評價模型的核心是評價相應的Agent的情感強度。根據(jù)情感強度第三定律，首先對Agent的情感強度定義如下：

定義4Agent的情感強度。是用來描述Agent在勸說中某時刻的情感的強弱，用Ir=(I1,r,I2,r,I3,r,…,In,r)表示。其中，Ii,r表示在第r輪勸說時Agent第i種基本情感的強度，強度的大小反映了Agent在勸說某輪中的情感的強弱，影響Agent情感強度的主要因素為勸說策略和情感衰減。

定義5情感衰減。是指Agent在勸說過程中受對方勸說影響而導致情感強度逐漸減弱的過程。

考慮情感衰減的前提是Agent已經(jīng)有被激發(fā)的情感，平靜狀態(tài)不會產(chǎn)生情感衰減。馬爾可夫無后效應，適用于隨機過程，因此Agent的情感衰減只考慮前一時刻情感對當前時刻情感的影響，對于更早時刻的情感不做考慮[10]，如式(11)所示：

ψ(T-1)→T(Ii,T-1)=Ii,T-1e-T0。

(11)

式中：ψ(T-1)→T(Ii,T-1)表示的是Agent在前一時刻情感衰減到當前時刻的強度值，Ii,T-1表示Agent前一時刻的情感強度的向量值，e-T0為衰減系數(shù)，T0∈[1,+∞]為常數(shù)，表示當前勸說持續(xù)的時間，T0越大，情感衰減的越快。衰減系數(shù)隨時間T0變化的函數(shù)圖像如圖1所示。

根據(jù)文獻[10]可知，前一時刻情感衰減后的分量與前一時刻的情感強度成正比，前一時刻的情感強度值越大，保留到當前時刻的情感強度值也就越大，對當前時刻的情感影響也就越大，反之則越小。

綜合以上分析和研究，可以得出基于Agent的情感映射的勸說評價模型，即對Agent的情感更新后的情感強度計算，如式(12)所示：

(12)

式中：Ii,r表示Agent在r輪勸說時的第i種情感的強度；ψi(Ii,T-1)表示情感i在T-1時刻的情感強度的衰減；φ(T)表示外界刺激對情感強度的影響；Ei,T表示性格對情感的影響，是產(chǎn)生模型中得出的4種基本情感的分量表示。

5 基于Agent的情感映射的勸說讓步模型

在對Agent的情感和策略進行相應評價之后，需要進一步研究Agent在實際的勸說交互過程中的讓步模型，Agent需要根據(jù)情感勸說等因素的動態(tài)變化不斷進行相應讓步，以達成合作。因此，本文對動態(tài)環(huán)境影響下，基于Agent的情感勸說的讓步模型進行了量化研究，建立了基于Agent的情感映射的勸說讓步模型，以配合上述模型完成勸說。具體如下：

如果Agent的情感被激發(fā)，則讓步步長會受到影響而發(fā)生動態(tài)變化。因此，該讓步模型中，關鍵是根據(jù)Agent雙方的情感被激發(fā)情況，對各勸說屬性的讓步步長的計算。根據(jù)主導情感與情感閾值之間的關系，可構建相應的讓步模型如下：

(13)

綜上所述，本文建立的基于Agent的情感映射的勸說過程，首先利用已有情感理論中典型的OCEAN-PAD-OCC的層次映射模型，建立OCEAN到PAD的映射模型和PAD到OCC的映射模型，構成了基于Agent的情感映射模型；其次，對Ekman的經(jīng)典情感分類進行改進，提出了相應的Agent情感分類和基于Agent的情感映射的勸說產(chǎn)生模型，并對Agent的主導情感和情感閾值進行定義，提出了相應的策略模型；再次，根據(jù)情感強度第三定律，對Agent的情感強度進行了定義，研究得出其關鍵影響因素為勸說策略和情感衰減，在對后者定義的基礎上，結合馬爾可夫理論，提出了相應的評價模型，并通過對讓步步長的算法構建，提出了相應的讓步模型；產(chǎn)生模型、策略模型、評價模型和讓步模型共同構成了基于Agent的情感映射的整個勸說過程，如圖2框架流程圖所示。

6 算例分析

6.1 基于Agent的勸說

為使研究有代表性和便于理解，本文以煤炭行業(yè)供應鏈管理中的采購商和銷售商的談判為背景，采購商(買方)為Agent a，銷售商(賣方)為Agent b，雙方就煤炭產(chǎn)品的價格(單位：元)和交貨期(單位：d)兩個主要屬性進行勸說談判，Agent對這兩個屬性的要求以及讓步步長如表2所示：

表2 Agent對價格和交貨期的報價、極限值以及讓步步長

考慮到最快的勸說結果，只有在雙方Agent不斷進行讓步的情況下，雙方Agent要至少經(jīng)過7次勸說(第一次為報價)交互后才會得到成交的最優(yōu)結果：價格36元，交貨期5天。這個結果相對Agent a來說，是Agent a的最高限度，但并不是其最優(yōu)結果，因為并沒有達到Agent b報價的最低限度35.5元和4.5 d。

6.2 基于Agent的情感映射的勸說

在基于Agent的情感映射的勸說中，隨機選擇若干個Agent，包括Agent a和Agent b及其他Agent，以網(wǎng)址：http://www.apesk.com/bigfive/index.asp?language=cn的測試方法為參考，對這些Agent進行大五性格測試，測試得分分別見表3和表4，由此可分別得到如圖3和圖4所示的Agent a和Agent b的得分與該Agent群體平均得分的比較圖。

表3 Agent a大五性格測試數(shù)據(jù)

表4 Agent b大五性格測試數(shù)據(jù)

由圖3可知，Agent a的5個因素得分都低于該Agent群體的平均值，因此，Agent a具有低開放性、低謹慎性、低外向型、低宜人性和低神經(jīng)質的性格，說明Agent a保守但沖動，謹慎且多疑，尤其是宜人性這一數(shù)值低于該Agent群體的平均值9分，證明Agent a不關心別人，不樂于幫助其他Agent，且經(jīng)常懷疑其他Agent的動機。

O=[-0.318 5-0.165 7-0.105 7-0.363 8-0.340 7

-0.318 50.362 90.327 10.217 20.239 40.169 00.219 9]，

由圖4可以看出，Agent b的前4個性格因素得分都低于該Agent群體的平均值，而神經(jīng)質的得分高于該Agent群體的平均得分，證明Agent b具有低開放性、低謹慎性、低外向型、低宜人性、高神經(jīng)質的性格，表明其保守但沖動，謹慎且多疑。但是神經(jīng)質這一性格特點高于該Agent群體的平均值，證明Agent b對外界刺激的反應比該Agent群體的其他Agent強烈，對情緒的調節(jié)能力比較差，經(jīng)常處于一種不良的情緒狀態(tài)下。并且該Agent的思維、決策、以及有效應對外部壓力的能力都比較差。

由圖5可以看出，Agent a的開放性、宜人性、神經(jīng)質得分都低于Agent b，說明和Agent b相比，Agent a更保守、多疑、情緒更平靜；而Agent a的謹慎性得分高于Agent b，說明和Agent b相比，Agent a的自律能力更強且不容易沖動；Agent a的外向型得分與Agent b相等，但是都低于該Agent群體的平均得分，這證明雙方Agent都是相對內向的性格，比較安靜和謹慎，不喜歡與外界過多接觸。由情感閾值和對雙方Agent的性格分析可以判斷出，Agent a和Agent b都處于平靜狀態(tài)，且Agent a的情緒較Agent b不穩(wěn)定，更容易受外界的影響。

為更加完善和適合本文的研究，本文在文獻[14,35]的基礎上，對相應的勸說策略分類進行改進，如表5所示。

表5 勸說策略分類

根據(jù)以上模型及數(shù)據(jù)，分別設定Agent a和Agent b的Si,j和φ(T)，如表6和表7所示。其中：E1,T表示喜悅，E2,T表示悲傷，E3,T表示煩躁，E4,T表示害怕。同時，為研究方便，取ε=0.5，得到雙方的讓步步長如表8和表9所示。

表6 Agent a的Si,j和φ(T)

表7 Agent b的Si,j和φ(T)

續(xù)表7

表8 Agent a的讓步步長

表9 Agent b的讓步步長

假設每一輪持續(xù)的時間T∈[2,10](單位：min)，雙方進行基于Agent的情感映射的勸說，過程如下圖6所示。

針對上述煤炭行業(yè)供應鏈管理中的采購商和銷售商的算例，本文首先將基于Agent的情感映射的勸說模型(Persuasion model of Agent-based Emotional Mapping， PAEM)與傳統(tǒng)既定步長的基于Agent的勸說模型(Traditional Set Step persuasion model， TSS)針對價格屬性進行了以下對比分析，如圖7所示，圖中柱狀圖表示利用PAEM模型的談判過程，折線圖表示利用TSS的談判過程，從圖中可以看出利用PAEM在第五輪就達成了合作，TSS模型在第6輪才達成合作，并且從采購商的角度看，達成合作時PAEM的結果比TSS的結果更優(yōu)。同樣可以對兩種模型針對供貨期屬性進行對比分析。

其次本文將基于Agent的情感映射的勸說模型(Persuasion model of Agent-based Emotional Mapping，PAEM)的勸說輪次與傳統(tǒng)既定步長的基于Agent的勸說模型(Traditional Set Step persuasion model， TSS)的勸說輪次進行了以下對比分析。

為便于分析，本文取每輪勸說中雙方提議的差值，再取價格和訂貨期的差值為每輪的勸說結果值(第一輪為初始提議)，即差值為0時勸說結束，如圖8所示。結果表明，基于Agent的情感映射的勸說達到0值的速度更快，經(jīng)過6輪就能得到最優(yōu)結果。而在基于Agent的勸說中，雙方Agent在既定讓步步長下進行勸說，至少要經(jīng)過7輪勸說才能得到最優(yōu)結果。而且相對Agent a來說，PAEM的最終結果更優(yōu)。這就證明了本文提出的基于Agent的情感映射的勸說模型比基于Agent的勸說中的模型更加符合實際勸說過程和效果。最后，情感及其映射的引入也使得該模型更加符合人的特性，最優(yōu)提議值更容易被接受。

7 系統(tǒng)實現(xiàn)

為進一步驗證上述模型及過程，本文選用Jade平臺，利用Java語言，對以上模型及過程進行了系統(tǒng)實現(xiàn)。

系統(tǒng)初始界面如圖8所示，圖9～圖13則展示了雙方Agent從第一輪到最后一輪的勸說過程。

8 分析討論

經(jīng)過歸納和梳理，與本文研究相關的該領域代表性文獻有[8-12,15,17，19，21-22,27,32-33,35-36]。與這些文獻相比，本文做出的改進和相應的結論如下：

(1)本文的研究是將情感與Agent的結合。文獻[8,11,27]針對Agent的PAD空間情感體驗和OCC情感模型，雖然提出了相應的情感虛擬人評價模型和E-learning系統(tǒng)模型等，并有部分應用到了機器人領域，但僅限于人工智能領域，并未把基于Agent的情感勸說應用到商務談判領域，缺乏更廣的應用性。因此，相比之下，本文的研究是將更有代表性的Agent的情感和勸說等人工智能特性應用到了人們日常商務活動的智能化自動談判，既是對人工智能領域的實際應用，也探索了更加合理有效的解決實際商務談判問題的方案。

(2)本文的研究是運用情感映射，將Agent的情感特性融入了基于Agent的勸說中。文獻[10,32,36]研究了OCEAN、PAD、OCC情感模型之間的相互作用，提出一種考慮了人類性格的情感模型，但是并未結合基于Agent的勸說領域的相關理論和方法進行研究，因此與本文的研究還存在一定的差距；文獻[12,33,35]考慮了將Agent的情感和勸說相結合，但文獻[12]沒有考慮情感映射對基于Agent的勸說產(chǎn)生的動態(tài)影響，文獻[35]只是簡單的研究了Agent的消極情感方面，文獻[33]則只考慮了正面情緒的變化，提出了相應的勸說模型，但并未對Agent的情感進行有針對性的分類。本文則在上述文獻的基礎上，對艾克曼經(jīng)典情感分類進行改進，并通過考慮相應的情感影響因素如情感閾值、刺激因子、情感衰減等更進一步對情感強度進行量化，建立了更為復雜且情感計算更具說服力的情感強度模型。

(3)本文系統(tǒng)性的分析并提出了基于Agent的情感映射的勸說產(chǎn)生、策略、評價和讓步模型。

首先，針對產(chǎn)生模型，文獻[12]針對基于辯論的多Agent商務談判，提出了“候選辯論集的產(chǎn)生策略”和“基于沖突分析的辯論目標產(chǎn)生模型”，但與本文相比，不僅缺乏對勸說這種更加理性的方式的研究，而且沒有考慮情感映射對產(chǎn)生模型的影響；本文結合情感映射模型以及Ekman情感分類理論，提出了相應的產(chǎn)生模型，更具說服力。

其次，針對策略模型，文獻[15]基于前景理論，融入Agent的心理偏好，提出了基于前景理論的多Agent辯論協(xié)商策略模型，但是文中只是粗略的分析了談判中Agent對收益和損失差值的感知，并未對Agent主體情感進行詳細分類，研究的策略模型具有一定的局限性；與文獻[9]相比，本文通過建立情感映射模型提出了新的Agent情感分類，構建了勸說的產(chǎn)生模型后，定義了Agent主導情感和情感閾值，主導情感主導Agent進行策略選擇，使Agent能根據(jù)主導情感與情感閾值的不同關系做出相應的策略選擇，這種策略模型更加符合人的行為和實際情景。

再次，針對評價模型，文獻[17]提出了基于期望效用評價的情感產(chǎn)生和評價模型，但僅將Agent情感粗略分為正面情感和負面情感，模型較為簡單，有待深入研究。本文提出的評價模型由情感強度和情感衰減的概念界定，在分析了影響情感強度和情感衰減的因素及其如何影響后，提出了相應的更有應用價值的評價模型。

最后，針對讓步模型，文獻[21]通過對基于Agent的勸說的分類，在讓步影響幅度的基礎上，構建了讓步模型，但是研究表明，在談判過程中，不同權利不同情感下的談判者會做出不同的讓步，因此本文通過計算更進一步量化研究了Agent在勸說中由于主導情感變化導致與情感閾值之間的關系變化而做出的相應讓步。

另外，在以上各階段模型研究的基礎上，文獻[22]初步將情感理論與模型引入基于Agent的勸說，采用期望效用評價理論，系統(tǒng)提出了基于Agent的情感勸說產(chǎn)生、策略、評價和讓步模型。但一方面，該研究沒有根據(jù)實際情況對其中的Agent的情感進行合理有效分類，因而無法系統(tǒng)建立相應的與基于Agent的勸說相關的情感模型；另一方面，該研究沒有結合基于Agent的勸說實際展開，導致最后提出的模型雖然都有所涉及，但僅局限于Agent的情感，涉及勸說較少；最后，該研究中采用的理論和方法過于簡單，導致模型中的定量分析不夠，對Agent的情感量化不夠全面深入，使該研究的系統(tǒng)性仍然不夠，缺乏說服力度。文獻[19]則在該研究的基礎上，對情感進行了分類，提出了相應的情感產(chǎn)生的形式化模型，并結合情感強度第一定律，對Agent情感進行量化，提出了Agent情感強度的計算方法，但一方面，該研究只是將情感作為評價因素，提出了主體Agent的情感評價模型和相應的Agent合作主體選擇模型，建立的模型不夠全面系統(tǒng)；另一方面，該研究建立的形式化模型較為簡單，量化說服力度不夠。本文的研究和提出的模型則較好的解決了以上問題。

綜上所述，本文首先結合Agent的性格、心情和情緒，通過矩陣轉換運算，構建了系統(tǒng)的基于Agent的情感映射模型；其次根據(jù)實際情況，對心理學中經(jīng)典的Ekman情感分類進行了改進，在改進的情感分類的基礎上，構建了基于Agent的情感映射的勸說產(chǎn)生模型；然后對基于Agent的勸說策略、主導情感和情感閾值進行了定義，并提出了相應的策略模型；再次，對Agent的情感強度進行了定義，分析其影響因素為勸說策略和情感衰減，并在根據(jù)馬爾科夫理論對情感衰減進行定義的基礎上，提出了基于Agent的情感映射的勸說評價模型；最后通過對受情感影響的讓步步長的計算構建了相應的讓步模型，并以算例及系統(tǒng)實現(xiàn)的方式進行了驗證。情感和勸說的加入，讓本文提出的各個模型更能適應復雜和動態(tài)變化的勸說環(huán)境。

9 結束語

本研究對企業(yè)商務智能中的自動談判領域及人工智能情感研究領域都有一定的理論和實踐意義。

(1)在理論方面，首先本文引入Agent的性格、心情、情緒，結合大五模型和馬爾可夫模型等有代表性的心理學模型，結合提出的情感映射概念，利用情感第三定律對基于Agent的勸說中的Agent的情感進行了量化計算，對情感的量化可以推動情感理論及模型的應用研究；其次本文利用Agent在情感勸說動態(tài)變化影響下理性調整自身情感勸說的優(yōu)勢，模擬人類商務談判中的思想和理性行為，是對商務智能中基于Agent的勸說研究的進一步拓展，對豐富和發(fā)展商務智能領域的理論及模型具有重大意義；最后本文結合經(jīng)典的Agent開發(fā)平臺Jade和Java語言，研發(fā)出了相應的系統(tǒng)，從系統(tǒng)實現(xiàn)和應用的角度豐富和發(fā)展人工智能領域相關理論知識。

(2)在實踐方面，實際商務談判環(huán)境復雜，談判結果不確定性高，開發(fā)符合企業(yè)談判需求的系統(tǒng)一直是企業(yè)管理人員尤其是相應的系統(tǒng)開發(fā)人員所追求的重點。目前有關商務智能中自動談判系統(tǒng)的理論還只是簡單的將討價還價的功能封裝在對應的Agent內，并沒有充分體現(xiàn)其作為人工智能的心智和態(tài)度，開發(fā)出的系統(tǒng)針對的也是企業(yè)的特定業(yè)務或特征，通用性不強。而且目前存在基于Agent的自動談判系統(tǒng)實際應用較少的不利局面，導致企業(yè)管理者難以體會到該系統(tǒng)的優(yōu)勢。本研究充分考慮了Agent的情感的人工智能特性，對企業(yè)實際談判人員的情感及情感變化進行模擬，并計劃利用已有相關研究的應用基礎和項目申請依托單位在煤炭行業(yè)積累的大數(shù)據(jù)優(yōu)勢，將該系統(tǒng)應用于煤炭行業(yè)供應鏈上下游企業(yè)之間的采購或者銷售，從而體現(xiàn)該研究的應用價值。

由于本文提出的模型具有一定的通用性，建議企業(yè)在實際應用中，結合自身業(yè)務特點，對實際談判中的情感更進一步分類，采用以上模型進一步開發(fā)和使用更適合本企業(yè)管理特色的同類系統(tǒng)。此外，建議企業(yè)管理者在開發(fā)使用該類系統(tǒng)前，能充分掌握采用該類系統(tǒng)能給企業(yè)帶來的益處，同時能將其作為企業(yè)管理理念，對企業(yè)所有人員進行培訓。

由于本文的研究是對該領域的初步探索，因此所提出的模型相對簡單直觀，今后的研究將分別針對這些模型進行改進，提出更加復雜有效的模型。另外，由于不同的情感會對勸說過程產(chǎn)生不同的影響，因此筆者擬在今后研究的基礎上，基于不同的情感類型，對情感進行更深入有效的分類，如積極情感和消極情感，研究在本文模型的基礎上不同類型的情感及其映射對基于Agent的勸說的影響。