本文的研究源自這樣一個現(xiàn)實的問題:以CNKI為代表的科技期刊網(wǎng)站為用戶們提供了眾多的資源產(chǎn)品,但多數(shù)產(chǎn)品卻被用戶很少用到,造成這種情況原因何在?本文認為應(yīng)著力于研究用戶的信息搜尋行為,而這一行為的特征與構(gòu)成隨機決策問題的要素可以一一對應(yīng)起來,因此,使用決策理論或博弈理論中的分析方法應(yīng)該是可行的。經(jīng)過相關(guān)文獻的消化和研究,本文確定的研究對象是一個問題的兩個方面:（1）行為人在隨機決策中經(jīng)歷的學習規(guī)則如何;（2）行為人的認知進化是以何種方式進行的。為此,本文通過用學習模型來擬合實驗數(shù)據(jù),目的在于檢驗實驗被試檢索網(wǎng)絡(luò)文獻的行為,是符合強化學習模型的收斂特征,還是可以由基于貝葉斯推斷的信念學習模型來指導更好。在這里,學習模型的選擇和構(gòu)建是重要的環(huán)節(jié),因為其涉及到對現(xiàn)實的抽象和實驗的控制變量設(shè)計。解決這一問題,首先較容易的是在現(xiàn)有的學習模型中選擇合適的模型�？紤]場景特征和各種學習理論要求的最低信息條件,只有強化模型可以在本文中使用。由于強化模型是一個較弱意識的學習模型,為了對被試的主觀信念和認知有一個更好的了解,所以本文還構(gòu)建了一個模擬隨機決策問題的信念學習模型（BBAM）,同時這種建模的方法對... 

【文章來源】：南京理工大學江蘇省 211工程院校

【文章頁數(shù)】：155 頁

【學位級別】：博士

【部分圖文】：

1決策的學習過程算法框圖

(l一e)可(風)+(l一歹)刃(風)圖3:21貝葉斯推斷決策模型的評估計算方法示意圖圖3.2.1顯示了通過對每個策略的預期值進行估算，模擬的被試就可以選擇使每期檢索的主觀預期最大的策略，并能觀察到是否命中目標文獻。根據(jù)這些信息，條件概率‘。氣就可以用來計算決策向量的后驗概率。再據(jù)此修正得出先驗概率的基礎(chǔ)上，就可以選擇下一期的策略，以此類推。這種認知一行為運算法則和客觀隨機過程之間的相互作用決定了每個決策任務(wù)的實際特征和所選策略作用的可能結(jié)果。圖3.2.1中，影響被試選擇的認知水平和場景的特定客觀條件，應(yīng)根據(jù)評價學習效果的目的加以說明。需要指出的是，個體對于學習過程的先驗理解是否允許這些條件在決策周期集合中代表適當?shù)臏蚀_性，對貝葉斯學習策略的最終成功至關(guān)重要.3.2.4.4模擬模型的現(xiàn)實基礎(chǔ)74

斂速度來說，模擬的路徑直到第9期仍無法與前8期的模擬數(shù)據(jù)有顯著差異。(2)試錯次數(shù)的影響圖4.2.1中的“預測偏差”按時間序列直觀的給出了實際選擇和模型模擬的偏差，這樣顯示了一個關(guān)鍵性的特征:強化模型在實驗初期捕捉被試策略選擇的能力強于實驗后期。這應(yīng)該與強化模型的信息條件有關(guān)，強化模型假設(shè)行為人只關(guān)心支付的歷史記錄，所以強化模型在低信息條件和變化的環(huán)境中能得以應(yīng)用，同時也暗示了在高信息環(huán)境下行為人必須忽略其它信息。但是很多現(xiàn)實情況下—包括本文的實驗場景—行為人可以得到的信息比強化模型所要求的條件要多，尤其是本文實驗中只有兩個備選策略，并且被試在事先明確獎勵辦法—即知道大致的支付函數(shù)，所以被試的收斂速度遠比模型模擬的要快。從現(xiàn)有的強化學習模型文獻來看，只有當被選策略得到強化時，強化學習模型能正確的預測學習的方向—這里對應(yīng)的是被試能夠?qū)W會52是一個優(yōu)勢策略，但模型模擬通常比不上實際的學習速度。強化學習的低估能直接歸于這樣一個事實:即在知悉所有支付信息的環(huán)境下

【參考文獻】：
期刊論文
[1]個體決策與學習行為:有限理性建模綜述[J]. 章平,戴燕.  南開經(jīng)濟研究. 2006(03)
[2]進化博弈模型中有限理性個體學習機制設(shè)計框架[J]. 趙晗萍,馮允成,蔣家東.  系統(tǒng)工程. 2005(09)
[3]基于價格的消費者信息搜尋過程研究[J]. 汪波,劉鳳霞.  天津大學學報(社會科學版). 2005(03)
[4]經(jīng)濟學和認知科學[J]. 道格拉斯·C·諾思,張立波,邢榮.  北京大學學報(哲學社會科學版). 2004(06)



本文編號：2975098