淡江大學機構典藏:Item 987654321/23056
English  |  正體中文  |  简体中文  |  Items with full text/Total items : 62805/95882 (66%)
Visitors : 3932496      Online Users : 488
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version
    Please use this identifier to cite or link to this item: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/23056


    Title: 具對手喜好預測能力之協商支援系統
    Authors: 張昭憲;顧承憲
    Contributors: 淡江大學資訊管理學系
    Keywords: 協商支援;對手喜好預測;協商戰略;多屬性效用理論;Negotiation support;Predictions of the opponent's preference;Negotiation tactics;Multi-attribute utility theory
    Date: 2005-05
    Issue Date: 2009-11-30 14:30:54 (UTC+8)
    Publisher: 臺北縣新莊市:輔仁大學資訊管理學系
    Abstract: 電子商務架構下的網路交易日趨頻繁,隨著環境的成熟,複雜的協商 (Negotiation)也開始被導入其中。導入過程除需積極制定相關協定與標準外, 如何運用電腦系統進行有效的協商支援(Negotiation Support)也成為重要課題 。在眾多支援項目中,"對手喜好預測"無疑是最重要的一項,因為正確的預測可 以主導全局,甚至取得雙贏。然而,在對手喜好難以取得的狀況下,預測技術的 發展在實務上確實不易達成,而前人相關研究中也鮮少提及。為提供完善的協商 支援,本研究發展了一套具對手喜好預測能力之協商支援系統。協商時,本系統 除支援與前人研究類似之協商歷史統計圖表外,並可隨時分析對手的出價序列以 預測其喜好。預測方法以多屬性效用理論(MAUT)[14]配合Faratin等人所提出之 策略模型[12]為基礎,檢驗並過濾解空間中所有可能解,並隨著協商的進行,逐 步縮小預測範圍。值得注意的是,預測結果除能顯示對手之議題喜好設定外,亦 可預測其使用之協商戰略(Tactics)。我們利用模擬實驗來驗證系統之有效性, 實驗結果顯示: 超過90%的協商案例均能利用本系統正確預測出對手喜好。此外 ,我們也發現對手喜好預測能力確有助於雙贏:在整合型協商中,單方使用預測 功能時,預測的一方的獲利可增加約12%(與無預測時相比),而另一方的獲利也 可增加約16%;當雙方均使用預測功能時,雙方的獲利也可分別增加24%與8%。
    Relation: 第十六屆國際資訊管理學術研討會論文集:企業創新與IT創新之間的連結:機會發現=Proceedings of the 16th International Conference on Information Management,12頁
    Appears in Collections:[Graduate Institute & Department of Information Management] Proceeding

    Files in This Item:

    File Description SizeFormat
    index.html0KbHTML173View/Open
    具對手喜好預測能力之協商支援系統_中文摘要.docx摘要14KbMicrosoft Word71View/Open

    All items in 機構典藏 are protected by copyright, with all rights reserved.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - Feedback