Towards an Agent-Based Approach for Multimarket Package e-Procurement
Bibliographic record
Abstract
La plupart des recherches sur le commerce électronique s'intéressent aux problèmes reliés à des marchés uniques. Moins de travaux ont été réalisés autour de l'approvisionnement multimarché. Le problème d'approvisionnement électronique (e-procurement) multimarché d'un paquet consiste en l'acquisition d'une combinaison d'objets à partir de différents fournisseurs de biens et services. Afin d'y parvenir, nous devons identifier les besoins de l'entreprise, découvrir les fournisseurs et partenaires potentiels, extraire de l'information distribuée et eventuellement gérer des négociations combinées, gérer le flux d'information circulant entre des marchés hétérogènes, vendeurs et partenaires, et finalement conclure des transactions. Il existe un certain nombre d'applications commerciales d'approvisionnement électronique qui automatisent quelques aspects du processus d'approvisionnement pour les entreprises, en aidant les preneurs de décisions et les employés dans leurs activités d'achats et d'approvisionnement. Mais aucune de ces applications ne tient en compte l'aspect de combinaison d'objets en un paquet agrégé. Les systèmes à base d'agents représentent une approche adéquate pour faire face aux problématiques posées de l'approvisionnement électronique multimarché d'un paquet. En effet, les agents autonomes essayent de satisfaire les besoins et préférences de l'utilisateur en étant assez flexibles pour gérer la diversité sémantique entre marchés, vendeurs, et fournisseurs de services. Un espace commun et partagé, appelé InfoSpace, contenant les échanges de données et les états des négociations, assure la coordination des agents, l'agrégation des marchés et la construction des paquets. Ce papier présente quelques problématiques et défis reliés à l'approvisionnement électronique multimarché de paquets, et expose une approche basée sur les agents pour y faire face.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".