• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권3호
• /
• pp.161-169
• /
• 2010

요구사항 추출 활동은 다양한 이해당사자의 요구를 요구사항으로 추출하고 협상을 위한 정보를 생성하는 사전 준비 작업이다. 그러나 현재 고객으로부터 요구사항 수집을 위한 기법은 다수 존재하고 있으나, 요구사항 분류와 협상을 위한 정보 제공에 대한 연구는 부족한 실정이다. 본 연구는 요구사항을 분류하고, 협상을 위한 정보를 식별하는 기법에 대한 연구이다. 본 연구는 요구사항 분류를 위해 Kano 모델과 통계 기법을 활용하였으며, 협상을 위한 정보를 생성하기 위해 요구사항과 문제의 관계를 고려하였다. 제안한 기법에 대한 시뮬레이션, Rough Set Theory, 사례 검증을 수행하여 제안한 방법의 타당성을 검증하였다.

• 지능정보연구
• /
• 제9권3호
• /
• pp.155-175
• /
• 2003

전자상거래에서 협상은 가격이나 지불조건 등과 같은 협상이슈들에 대하여 구매자와 판매자간의 이익을 조정하면서 실제 계약을 체결하도록 하는 과정이다. 전자상거래에서 협상을 수행하는데 있어서 지능형 에이전트를 이용하고 휴대단말기를 사용함으로써 새로운 전자상거래 환경을 조성하는 것은 구매자와 판매자의 상행위를 더욱 편하고 효과적으로 수행하기 위함이다. 이를 위하여 기존의 전자상거래 환경에서 이용할 수 있는 협상 에이전트에 대한 연구를 더욱 발전시킬 필요가 있다. 본 논문에서는 이러한 모바일 전자상거래 환경에서 에이전트가 효과적으로 협상을 수행할 수 있도록 CSP를 이용하여 협상을 모델 화하였고 휴대단말기에서 구매자의 요구사항과 선호도를 쉽게 얻을 수 있는 인터페이스를 구현하였으며 협상이슈들을 평가할 수 있는 다양한 평가함수와 제안에 대한 선택을 결정할 수 있는 효용함수를 이용하여 협상을 진행하였다. 또한 제안의 생성은 고려하는 협상이슈가 많고 협상 이슈 값의 범위가 크다면 에이전트가 탐색해야할 탐색공간도 지수적으로 커지게 된다. 이러한 에이전트의 탐색 문제를 개선하기 위하여 CSP기술에서 제시하는 방법을 적용하여 에이전트의 성능을 향상시킨다. 이를 통해 구매자와 판매자간의 이익을 조정하기 위하여 쌍방이 제안을 생성하여 교환하면서 실제 계약까지 도달하도록 하였다. 또한 여러 협상이슈를 고려함으로써 협상초기에 협상 참가자들의 만족도 합보다는 협상 종료 후에 협상 참가자들의 만족도 합이 향상될 수 있음을 보인다.

• 지능정보연구
• /
• 제11권1호
• /
• pp.35-51
• /
• 2005

인터넷의 보급과 전자상거래 관련기술의 발달은 기존의 상거래 방식에 많은 변화를 가져왔으며, 전자상거래 환경에서도 실세계의 거래방식을 구현하기 위한 시도가 잇따르고 있다. 협상은 기존 상거래에서 정찰제 거래를 제외한 대부분의 거래 시 수행되고 있는 거래방식으로써, 협상의 기능을 전자상거래 환경에서도 구현하고자 하는 연구가 시도되고 있다. 본 연구는 전자상거래 환경에서 자동협상시스템 구현을 위한 다속성 협상안을 생성하고 평가하는 방법론에 대한 내용을 설명하고 있다. 본 연구에서는 주문제조 생산 환경에서 일어나는 협상을 대상으로 협상의 항목이 둘 이상인 다속성 협상문제을 정의하고 이의 해결 방법론을 연구하고자 한다. 이를 위해 판매자는 자신의 협상안 생성을 위해 제품생산 일정계획과 가격을 고려한 협상안을 생성하고 구매자가 제시한 협상안은 다속성 의사결정(Multi Attribute Decision Making MADM) 기법 중 단순 가중합법(Simple Additive Weighting Method : SAW)을 이용하여 평가하게 된다.

• 정보처리학회논문지D
• /
• 제11D권3호
• /
• pp.731-740
• /
• 2004

본 논문에서는 상거래에 참여한 구매자와 판매자가 협상을 통하여 서로의 이익을 보장하면서 합의를 도출 할 수 있는 협상 에이전트 시스템을 제안하였다. 제안 시스템은 기존의 협상 에이전트 시스템에 기계 학습을 적용함으로써, 학습 에이전트의 도입이 협상의 효율성에 어떤 영향을 미치는지 고찰하고자 하였다. 구매자 및 판매자 에이전트는 상품의 다중 속성을 고려하여 협상을 수행하며, 구매자와 판매자의 이익은 Multi-Attribute Utility Theory를 이용하여 표현하였다. 본 연구에서 제시된 학습 가능한 협상 에이전트는 Faratin이 제안한 협상 시스템의 제안 생성(counter offer) 과정에 인공신경망을 통한 점진적 학습 기업을 추가함으로써 협상의 효율성을 증가시키는데 목적이 있다. 점진적 학습기법을 이용한 협상 에이전트 시스템의 경우, 동일한 협상 조건 하에서 상대방 제안과의 유사도(similarity)를 바탕으로 제안을 생성하는 기존의 다른 협상 에이전트 시스템과 비교하였을 때 좋은 협상 결과를 보여 주었으며, 협상 수행시간에 있어서는 매우 빠른 성능을 보여주었다. 따라서 협상 결과 및 협상 수행 시간을 동시에 고려하였을 때 기존의 협상 시스템에 비하여 효율적인 협상 능력을 보여 주었다.