领域无关的行为轨迹生成与分类
人工智能
2020-11-06 v1
摘要
金融机构主要与人打交道。因此，刻画不同种类的人类行为可极大帮助机构改善与客户及监管机构的关系。在此类交互中，人类具有某些内部目标，并在金融系统内执行某些动作以实现其目标。本文将此类任务作为行为轨迹分类任务来处理。一个观察者智能体试图通过在给定环境中观察其他智能体的行为来学习刻画它们。其他智能体可有若干类型，观察者的目标是在给定观测轨迹的情况下识别其他智能体的类型。我们提出 CABBOT，一种使智能体能够对其所观察的规划智能体类型进行在线分类的学习技术。本工作中，观察者智能体对环境（其他智能体的状态与动作）具有部分且带噪声的可观测性。为评估该学习技术的性能，我们生成了一个领域无关的基于目标的智能体模拟器。我们在多个（金融与非金融）领域展示了具前景的实验结果。
引用
@article{arxiv.2011.02918,
title = {Domain-independent generation and classification of behavior traces},
author = {Daniel Borrajo and Manuela Veloso},
journal= {arXiv preprint arXiv:2011.02918},
year = {2020}
}
备注
A version of this paper appears in the Pre-prints of the Workshop in Planning for Financial Services (FinPlan) at ICAPS'20. arXiv admin note: text overlap with arXiv:2011.01826