本站原创摘 要：撮合技术是近年研究最为广泛的决策支持技术之一.经过多年的发展,撮合技术在研究和应用上都取得了显著的进步.本文通过对国内外该领域近年发表的相关文献的系统跟踪,对撮合技术的概念发展、框架模型、方法算法的发展脉络和研究现状进行了全面的梳理,并总结了撮合技术在几个重要领域的应用状况.最后,文章分析并提出了撮合技术的研究与应用展望.
关 键 词 ：撮合；框架模型；方法算法；应用；综述；展望
1引言
Inter和信息技术的发展使得电子商务平台成为写卖双方进行商品交易和怎么写作提供的重要虚拟场所.写作技巧技术带动写家、卖家及其他实体组成了新一代电子商务组织,电子相似度检测写作技巧的撮合也成为电子商务中重要的应用之一.随着社会经济的全球化及信息技术的发展,撮合技术越来越受到重视,在多个领域得到了广泛应用,已经成为为管理学、运筹学、计算机科学及系统工程等领域备受关注的研究方向,具有重要科学意义和广阔应用前景.本文将从撮合（matchmaking）的概念发展、框架模型、方法算法等方面对撮合的研究进展及应用现状进行梳理和评述,并提出未来的研究展望.
2撮合技术研究进展
2.1概念发展研究
Wallace等认为撮合是为了婚姻目的将两个人进行配对的过程[1],他根据对会员特征的归类,并结合实验对象最后的婚姻状况报告,研究提出了如何使俱乐部在婚姻撮合行为中更为科学有效地运作.随着知识经济的出现以及撮合技术进一步在信息领域的应用,撮合逐渐成为一种借助知识共享智能系统而存在的信息供给者与消费者之间的合作伙伴关系[2].Daniel等人认为撮合是一种基于计算机可识别信息及内容语言的自动化处理进程,该进程通过分别接收一组供给信息和需求信息作为输入,从而输出一组满足需求的k组最优供给方案的撮合队列[3].电子商务的发展及INTERNET环境的变迁,对商务活动中交易方案的合理化、交易区间的最大化以及交易实现的高效率性提出了更高的要求.唐亮贵等提出了在INTERNET环境中基于Multi-Agent的撮合交易模型[4],该研究认为撮合交易的基本思想和目标是：资源的合理配置、优化配置以及交易区间、交易量和交易效率的优化；从而提供一个优化的交易平台,充分体现出高质量、高水平、高效率的交易怎么写作.
普遍地,撮合被认为是一种在潜在合作伙伴和交易者之间进行商业活动的进程,它通过写作技巧使有意进行经济价值交换的交易者与潜在对象获得联络并进行磋商,是一种在供给与需求之间寻找可能匹配空间的自动化过程[5].撮合能够通过写作技巧的方式对供需双方的信息进行收集、存储,通过相应撮合模型及算法的处理,使潜在的交易对象能够获得联络并进行磋商,从而产生优化的交易匹配方案.综合学者对撮合概念的研究,总结撮合的基本模式如图1所示.
2.2框架模型研究
早期的撮合模型和撮合系统主要基于计算机相似度检测通信（Computer-Mediated Communication）的框架,如通过组织内的电子邮件系统等方式.这一时期的撮合,计算机仅被当作一种信息相似度检测工具,由个体之间自主地进行信息交流及交易活动.被Adelman等人称作“婚姻市场中间人”（Marriage Market Intermediary,MMI）的撮合系统[6],则是使用计算机相似度检测将媒体中的怎么写作信息集中起来,并按照信息匹配的方法为单身男女进行婚姻撮合的.研究强调了婚姻相似度检测写作技巧决策支持的重要意义和作用,并使用了三阶段模型来解释了写作技巧的撮合行为：“搜寻”（信息获取）、“配对”（可兼容对象的集中）以及“互动”（一组配对的形成或者拒绝）.随着撮合应用领域的扩展,需求的多样化和信息的高容量需求使得基于写作技巧的撮合成为研究和应用所广泛认同的框架模型.除了作为一个单独的写作技巧存在之外,撮合者还包含了在知识共享中间件中的结构化共享信息以及对应的撮合算法[7] .
基于写作技巧的撮合框架模型经历了从式结构（Centralized Architecture）到分布式结构（Decentralized/Distributed Architecture）的变迁.早期的撮合框架多采用式结构,使用一个写作技巧怎么写作于单个或者多个用户.这是因为,在P2P（Peer to Peer）技术尚未成熟时期,终端之间缺少有效沟通联络的方法,式结构因易于构建和控制、直观简单而成为写作技巧撮合唯一的解决方案[8].但在研究与应用中逐渐发现式结构也存在一些弊端,如难以应付过大用户量的承载问题和意外故障可能导致整个系统瘫痪崩溃的安全问题[9].分布式结构的多写作技巧撮合框架模型则能有效地解决上述问题[10],成为目前撮合系统/平台最常用的框架结构.图2可表达一般多写作技巧撮合的框架模型.
现实世界中的撮合问题比较复杂,往往需要同时考虑多个维度属性的撮合.学者针对不同环境、不同对象、不同目的下的撮合问题进行研究,构建了一些有代表性的撮合框架模型.
软件写作技巧的概念被扩展到消费者购写行为（Consumer Buying Behior, CBB）这一传统市场营销模型中,为基于写作技巧的电子商务市场发展起到了推动作用.该模型从六个阶段对基于写作技巧的电子商务撮合系统来划分整个撮合交易行为[11]：需求确定、产品相似度检测、供货方相似度检测、磋商、购写及交付、怎么写作和评价.
基于多写作技巧的企业能力匹配决策支持系统依据企业能力模型构建,能够帮助企业加强或创造其匹配市场需求的企业能力.这个多写作技巧系统由一组互相协作的写作技巧组成,包括：需求写作技巧（Request Agent,RA）、能力写作技巧（Competence Agent,CA）和公共信息写作技巧（Public Information Agent,PIA）.系统中的写作技巧器能够成为企业能力信息的要求者和提供者,它在能力知识库中通过推理及与其他写作技巧互动来生成企业能力的撮合匹配方案,在解决能力匹配问题的知识上具有优势[12]. 应对租赁住房的网络搜寻问题,Du等人构建了一个基于“溯因合取查询回答”（Abductive Conjunctive Query Answering）的撮合系统框架[13],该系统模型将租赁住房的撮合方案定义为对租房需求的“溯因合取查询回答”（Abductive Conjunctive Query Answering）.该系统分为两个部分：线下部分将从网络上搜集和存储的各类租赁住房信息集中到描述逻辑程序本体（DLP Ontology）中,包含了控制器、转换器、恢复器和封装器四个构件；线上部分则建立在一个应用“溯因合取查询回答” （Abductive Conjunctive Query Answering）的撮合器（matchmaker）之上,对用户的租赁住房需求做出回应.
面对现实世界中复杂多维度的撮合需求,Daniel等人构建了一个基于写作技巧的GRAPPA（Generic Request Architecture for Passive Provider Agents）撮合匹配模型,通过计算候选对象各个维度的关联度来对可能的匹配进行优先排序.通过该模型建立的撮合“知识库”和“工具库”能够广泛地适用于各种电子商务市场中的撮合交易应用[14].他随后的研究进一步定义了多维度撮合的概念,并实现了XML结构的EJB撮合应用,该研究定义了某些领域的不同关联函数并应用于人力资源领域.
2.3方法算法研究
在撮合框架模型下,根据撮合对象的属性对供给、需求双方按照一定的条件进行匹配的方法算法是实现撮合的重要技术方法.许多学者针对撮合的方法及算法进行了深入的研究,总体来看,撮合方法可以分成三类[15]：功能性撮合（Functional Based Matchmaking）、非功能性撮合（Non-functional Based Matchmaking）以及复合撮合方法（Hybrid Matchmaking）.
功能性撮合方法（Functional Based Matchmaking）对用户的怎么写作或商品的功能性描述与需求信息进行过滤与处理[16],主要的方法有本体撮合（Ontology Based Matchmaking）、语义撮合（Semantic Matchmaking）、基于语义的本体撮合（Ontology Based Semantic Matchmaking）、演绎撮合（Deductive Matchmaking）和相似性撮合（Similarity Matchmaking）等.
非功能性撮合方法（Non-functional Based Matchmaking）按照怎么写作或商品的非功能性要求进行撮合,多用于Web Service的撮合匹配问题研究与应用[16].该方法对用户提出的非功能性要求（通常指QoS约束）过滤, 例如Web Service的可用性、可得性、完整性、性能、可靠性、可管理性和安全性等约束.常用的方法有QoS撮合（QoS Based Matchmaking）、本体QoS撮合（Ontology Based QoS Matchmaking）、语义QoS撮合（Semantic Based QoS Matchmaking）、本体语义QoS撮合（Ontology Based Semantic QoS Matchmaking）以及约束规划QoS撮合（QoS Based Matchmaking by Constraints Programming）等.
复合撮合方法（Hybrid Matchmaking）是功能性和非功能性撮合方法的联合应用[15].一般地,撮合进程依据怎么写作或商品的功能性需求展开,当生成的撮合方案容量较大的时候,基于非功能性撮合的结果输出能够有效较少方案数目,使撮合能够更易于找到最合适的匹配方案.两种撮合方法的联合应用,无疑能够提高撮合的效率、柔性和精度.
不同撮合问题研究中,研究主要从描述逻辑语言和算法两个角度来解决撮合中主要的技术方法问题.正如前文中所述,这二者也是撮合系统的最重要组成部分.
2.3.1描述逻辑语言研究
研究广泛地认同撮合需要将怎么写作或商品的供需信息转化为计算机可识别的内容语言（Content Language）[7],再通过机器的学习和推理能力对既定规则和目标的对象进行撮合.许多研究通过对怎么写作或商品基于内容和约束的信息过滤来描述其特征并确定相关性[11],在语义描述方法的研究主要有语义网（Semantic Web）技术、RDF、DAML、Larks、DAML-S、DAML-OIL、MSDL、DataLog、模糊语言方法等.
早期网络上已经存在一些寻求和发现Web Service的途径如UDII（Universal Description Discovery and Integration,通用描述、发现与集成怎么写作）和ebXML（E-business eXtensible Markup Language,电子商务全球化标准）,但这些电子商务行业中标准化描述方法的应用无法在既有怎么写作界面来实现撮合功能[17],并且在产品和怎么写作描述上的柔性和丰富性有所欠缺[18].为进一步解决怎么写作发现与怎么写作提供的问题,许多研究通过使用语义网（Semantic Web）来应用于Web Service描述来实现信息自动处理功能[19].
Transtour等通过对语义网技术（Semantic Web Technologies）和电子商务标准框架（Standard Frameworks for E-merce）的对比分析研究表明,以往的描述语言技术不足以填补现有电子商务标准框架与语义网技术应用需求之间的空白.该研究以RDF（Resource Description Framework）和DAML （Darpa Agent Markup Language）这两种基于语义网的描述逻辑语言为例,进一步指出基于语义网的自动撮合和磋商技术在今后复杂的商务环境中将起到重要作用,语义网技术和工具的应用将会在其中扮演更为重要的角色[18]. Larks是在写作技巧撮合用于描述供给和需求属性要求特征的语言[20].该语言巧妙地平衡了描述逻辑在撮合问题中同时强调的语义表达性和效率性,使撮合模型能够同时进行文本匹配和语义撮合.DMAL用于研究Web Service的发现与提供,被学者进一步发展为DMAL-S（DARPA Agent Markup Language for Services）,成为一种用于描述Web Service 和Agent属性与能力的高级本体语言[21],它提供了对Web Service的功能（怎么写作配置）、如何执行（怎么写作模型）、以及怎么写作如何得到（怎么写作落地）的标准化描述,是Web Service 能力描述的重要工具.通过软件写作技巧的自动化处理,DAML-OIL（DARPA Agent Markup Language Ontology Interchange Language）拥有易被人类理解的规范语义能力,用于分别描述需求方和供给方的怎么写作和商品属性要求[22],已经成为最具表达能力的本体语言之一.
随着撮合研究和应用领域的不断延伸,不断出现了新的描述逻辑语言用于对怎么写作和商品的信息描述.制造怎么写作描述语言（Manufacturing Service Description Language ,MSDL）就是一种通过有向标签树的形式对制造怎么写作进行规范描述的高级本体语言[23],它用于描述制造业供应链中供需双方制造能力的匹配相似性.语言语义不如数字表达要求精度高,在描述不确定性的语言变量更为合适[24],因此使用语词来替代数字变量的模糊语言方法也更适合处理非确定性信息的撮合问题.基于霍恩子句逻辑的Datalog（也称作Top-k-Datalog语言）是一种成熟且有用的描述语言,它能够扩展地结合模糊语言方法的使用来制定撮合规则和查询的软约束,通过相应的算法寻找出按优先顺序排列的k组配对.
2.3.2算法研究
学者对撮合的算法研究成果主要经历了文本匹配和语义匹配两个阶段.早期研究的对象较为简单,相关支持技术方法亦不够成熟,撮合考虑的属性维度较少,主要以撮合对象文本资料信息的关键字匹配相似度作为撮合依据.随着人工智能的发展和应用,机器自学习能力和自推理能力得到长足发展,一般化的产品怎么写作描述语言能够被机器所理解并进行推理,因此语义匹配方法在描述产品怎么写作性能、信息检索推理上大大提高了效率和精度,是现在主流应用的算法依据.
基于OWL-S描述,Paolucci等在研究Web Service能力撮合匹配问题时提出了输出最小距离算法,该算法严格判定需求输入是否规范以及怎么写作提供方的输出是否满足需求者的输入,但在处理非确切怎么写作匹配问题时因为灵活性不够而适用性不强[25].TRANSTOUR算法则基于RDF对怎么写作的描述,通过图位匹配方法比较怎么写作供需方的描述,如果双方描述的根元素相似,则描述相似；反之,则不相似[18].LARKS算法源于LARKS语言中对怎么写作的四个功能参数输入、输出、约束内、约束外的分解设定,通过五个有序不同的过滤器的单独或联合使用,根据成本排序来进行怎么写作的撮合匹配[20].
Manaster在研究中将组合数学（binatorics）和递归函数理论（Recursive Function Theory）首次应用到婚姻撮合问题中[26].静态婚姻撮合算法（Stable Marriage Matching Algorithm）[27]不仅在早期的研究中可以为静态婚姻撮合问题中的每个单身对象找到最合适的配对,Choi等人还通过将怎么写作消费者捆绑到怎么写作提供者,采用该算法对怎么写作的撮合匹配进行了研究.与OWL-S和LARKS等其他撮合方法不同的是,该算法还实现了网络节点中的时序安排[28],扩大了多变环境下算法对多网络节点的支持能力.
在COINS（Common INterest System）这一多写作技巧推荐系统中,Leonard使用ART撮合算法和WordNet算法来比较系统内不同用户的属性特征,实现系统内具有相似兴趣用户的互相推荐[8].在复杂的电子商务市场撮合匹配过程中,往往难以一次性达到精确有效的撮合方案.当供给需求双方的真实意向约束无法达成一致,便得不到合适的匹配结果导致撮合失败.Michael等构建了扩展撮合成分（Extended Matchmaking Component ,EMC）算法[29],当供需双方真实约束无法匹配但双方又愿意放宽各自的约束条件时,该算法能快速有效地确定最后双方磋商的一致意向.
Noia等修正了经典的结构化归纳算法并提出了潜在排序算法（rankPotential Algorithm）[5],通过对不同撮合匹配的分类以及打分,得出不同撮合配对的优先顺序,从而完成电子商务市场上交易双方的撮合匹配过程.Gatteschi等人在研究网络招聘问题时,基于就业者知识技能及其他能力概念的属性比较,也使用了排序算法[30]对网上择业者给予了撮合匹配决策支持.
张振华等根据电子相似度检测处理个人之间单件物品交易时的多属性匹配问题,建立了多目标匹配模型（多目标指派模型）,推导了用理想点法求解该模型[31],并以二手房交易问题为例的仿真算例表明该方法有一定通用性.樊治平等通过将写卖双方的满意度语言评价信息的效率矩阵转化为二元语义形式,以写方与卖方双方满意度最大为目标构建了多目标优化模型[32].进一步研究针对 IT怎么写作的供给方和需求方分别给出的语言满意度评价信息,将语言评价信息转化为三角模糊数并进行多指标信息的集结运算,以供给方和需求方双方满意度最大为目标构建了怎么写作供需双边匹配的模糊多目标优化模型[33].
3撮合技术应用现状
如引文所述,在INTERNET电子商务环境下,基于电子相似度检测写作技巧的需求方描述所需怎么写作和商品特征属性,供给方通过广告形式披露其怎么写作和商品属性信息,中间写作技巧则以撮合者的身份对双方需求及利益进行撮合协商,以达成最有效的交易匹配及竞争优势.如中国棉花交易市场就是较早应用了撮合交易模式建立的电子交易市场,阿里巴巴是迄今最成功应用撮合交易理念展开B2B电子商务模式的典范.某些特殊行业中,如易创化工网、中国粮食贸易网、制造商网等电子商务市场都是通过应用撮合交易创新而发展壮大的.不仅如此,撮合技术因其有效地支持网络环境下的怎么写作和商品交易问题,在以下多个领域得到了深入研究与广泛应用. 金融领域因其产品和怎么写作的虚拟性特征,应用了撮合交易机制来提高怎么写作质量和效率.A-Match是一个使得写作技巧商能够动态出入的用户资产管理撮合系统[34],该系统使用撮合器（matchmaker）来支持写作技巧商在系统中的怎么写作交易.IBM苏黎世研究所应用撮合机制建立了保险怎么写作的网络虚拟市场[35],为保险怎么写作网上提供和交易提供了便利.
IM3（Intelligent Mobile MatchMaker）[36]是一个通过移动网络与终端来为用户提供最合适的旅游资讯信息的撮合系统.该系统基于移动终端接入互联网怎么写作器,通过用户需求偏好和旅游资讯的语义描述与分析,构建了同时解决偏好冲突和不完全信息的算法模型,能够有效地为用户推荐最感兴趣和最合适的旅游资讯.
与传统的工作招聘方式不同,雇主和雇员在网络上缺乏面对面直接交互信息及磋商的机会.Leonard研究了Recruit Ni这一招聘系统,针对该系统无法对招聘和求职信息进行双边匹配的问题,研究设计了一个包括“用户条件”及“企业要求”的双边匹配系统模型,建立了使用知识库的写作技巧人撮合系统,来实现写作技巧器的拟人化决策过程.模拟结果表明该撮合系统能够有效减少Recruit Ni的搜寻结果、提高用户使用效率、降低系统信息搜寻负载,表现了良好的应用前景[37].Daniel等人与西门子为德国劳动力中心（German Labor Exchange Office, BfA）设计的HRNetAgent系统[14]使用网络数据库中的应聘者和职位信息,应用了GRAPPA框架下的多维度模型对人力资源招聘进行了智能撮合,系统在实验仿真和横向对比研究上都表现了很好的应用效果.类似地,e-HR撮合怎么写作系统[38]也通过Web怎么写作提供了一个标准的人力资源搜索平台,并通过撮合匹配反馈出最合适的职位人选.Hara等人构建了一个基于网络和写作技巧的支持系统的概念模型,研究构建了一个工作撮合匹配模型,并以此开发了一个原型系统[39].支持系统由基于写作技巧的“职位撮合过程”和基于合作写作技巧器的“结果推理过程”两部分组成,系统通过大型的远程工作社区来实现雇员和雇主的优势匹配与撮合.
学习网络（Learning Networks）是学生和教师通过计算机和网络相似度检测来进行学习和互动的社区[40],实现了随时随地在学生之间以及学生与教师之间进行课程的授予与知识分享.Kester等人通过对学习网络中非对称知识共享的研究,设计了一个满足边界条件、多样性条件、问责条件的学习网络系统构架,对学习网络中的用户进行撮合和聚类.学习网络中特定的人能够被撮合并聚集到一起形成一个知识共享交流社区[41],使得自适应的瞬变（自组织临时）社区的发展和繁荣变得可能.相应的研究表明,数字图书馆也可以作为一个撮合支持系统[42],面向用户推荐并撮合有共同技能和兴趣爱好的对象进行交流与互动,以增进用户学习与沟通的效率.虚拟社区（Social Network Service,SNS）中社员新加入社区和后期的活动过程中,撮合系统（Matchmaking System）用于互联网虚拟社区的相互推荐,目的在于撮合匹配有相似背景和兴趣爱好的社区成员互相活动,进行信息交流和知识共享.撮合系统利用社区成员的评价来帮助社区其他成员确认他们最有兴趣、最需要的信息和产品[43].如1994年提供线上怎么写作的Ringo System就是一个利用协同过滤为用户推荐音乐的系统.
类似于证券股票市场的竞价撮合机制,我国电力交易市场也有具有相似的交易特征.部分研究依据撮合匹配理论方法,基于成本、效率、容量等视角,构建了电力市场撮合交易模型与机制[44, 45],并投入了实际应用,如南方区域电力市场年度月度竞价交易平台、华东区域电力市场年度月度竞价交易平台、江苏和河南等地推行的高耗能小机组向高效率大机组转让发电计划的发电权交易市场平台等.
4研究评述与展望
经历了数十年的发展,撮合技术得到了广泛地关注,已经在理论和实践上取得了一定的研究与应用成果.随着撮合技术在各个领域深化应用,现有研究已经不能完全满足当今复杂多变的社会商务环境需求,本文认为需要进一步在以下几个方面加强其研究与应用.
4.1撮合概念与理论深化
推荐系统是为解决Inter上的信息过载问题而提出的一种智能写作技巧系统,它能从Inter的大量信息中向用户自动推荐出符合其兴趣偏好或需求的资源.推荐系统通过研究用户的兴趣偏好,进行个性化计算,由系统发现用户的兴趣点,从而引导用户发现自己的信息需求[46].
如前文所述,撮合系统的问题描述及其框架模型、方法算法都与信息领域的推荐系统有一定相似之处.特别是在电子商务领域的应用研究中,推荐系统与撮合系统都采用了写作技巧的框架结构,在语义描述和推荐/撮合算法上没有明显的区分和界限.笔者认为：推荐系统解决的是信息过载问题,它能够帮助用户检索有用信息,并且根据用户的偏好进行信息过滤与信息推荐,从而达到为客户提供个性化怎么写作和提高客户忠诚度等目的；而撮合系统的目的则是促成交易的双边匹配方案,实现资源的合理配置、优化配置以及交易区间、交易量和交易效率的优化.如何认识撮合系统与推荐系统的异同,在研究与应用过程中正确将二者区分或者相结合,还有待进一步深入研究.
4.2不完全信息条件下撮合研究
现有对怎么写作和商品撮合交易的研究中,描述问题和对象的属性、供需要求通常是比较确切的.然而在现实复杂多变的商务环境中,由于双边信息不对称、信息的模糊性等原因,需求方对多样化的怎么写作和商品属性要求信息往往是模糊或不完备的（即模糊信息）.在针对供需信息实现最优的双边撮合匹配中,有时也面临着怎么写作和商品属性权重信息不完全的情况.在多属性决策问题研究中,参数信息不能完全确定的决策研究已经取得一定进展,如何在信息不完全条件下的撮合问题中寻求优化的撮合匹配方案,在理论和现实需要上都是值得研究的主题. 4.3撮合模型和算法扩展
通过文献综述可以看出,现有研究成果普遍认为撮合匹配是一种基于写作技巧的决策支持行为,由撮合器（matchmaker）依据双方属性信息按照一定目标进行最优化匹配.多数研究在构建撮合框架模型时,依据特定问题的怎么写作和交易特征,较多地从系统构架和语义算法的角度来进行研究,鲜有数学模型的构建与求解.与推荐系统所强调的信息过滤与推荐算法不同的是,撮合应用在电子相似度检测商品交易问题中通常以目标函数和约束条件的模型构建与优化为研究内容和目标,存在许多算法研究成果应用于撮合交易模型的求解.可以推断,多属性匹配模型的研究也对撮合研究的模型构建和算法求解有着重要的借鉴研究意义.
4.4基于群决策的撮合研究
现实中的撮合问题不仅发生在于单个个体之间,网络社群的盛行和商务模式的发展也使得群体之间的撮合成为必要,如群体怎么写作、团体大客户购写等行为.与单个个体撮合问题不同的是,群体之间的撮合需要考虑群内单个成员的偏好与决策.群体之间的撮合中需要集结各个决策个体的偏好为群体偏好,再根据群体偏好和群属性、群目标进行撮合.群决策理论方法能够把不同成员的关于方案集合中各方案的偏好按某种规则集结为决策群体的一致或妥协的群体偏好序[47],从而使得一个群体能够共同进行一项联合行动决策.如何将群决策理论与方法巧妙地应用到群体撮合问题中,在理论和实践上都有研究的意义和必要性.
4.5撮合技术应用实践
虽然撮合问题的研究已经取得了一定成就,但是它在现实社会中的应用还不够广泛和深入.简单的撮合问题中,撮合对象属性维度较少、信息确切,因此在电子商务环境下证券股票、电力等交易环境中有较为成熟的应用.在具有不对称模糊信息、不完全信息、复杂信息结构等特征的撮合问题上,由于相关模型算法研究的支持不够,绝大多数应用研究仅停留在试验的系统原型或实验仿真阶段（如上文述及e-HR系统等）,实际投入商业和社会应用的却不多见.今后需要在加强撮合模型算法研究的基础之上,进一步将理论研究与应用实践相结合,为社会经济发展提供管理科学决策支持.
1959, 21（4）： 342-348.
[2] Genesereth M R. An Agent-Based Framework for Interoperability.Software Agents[M]. MIT Press, 1997, 317-345.
[3] Veit D J,Weinhardt C,Ller J R P M. Multi-Dimensional Matchmaking for Electronic Markets[J]. Applied Artificial Intelligence, 2002, 16（9-10）： 853-869.
[4] 唐亮贵,唐世国. Inter 环境中电子商务交易模型综述[J]. 重庆商学院学报, 2002（006）： 85-88.
[5] Noia T D,Sciascio E D,Donini F M, et al. A System for Principled Matchmaking in an Electronic Marketplace[J]. International Journal of Electronic Commerce, 2004, 8（4）： 9-37.
[6] Adelman M B,Ahuvia A C. Mediated Channels for Mate Seeking： A Solution to Involuntary Singlehood[J]. Critical Studies in Media Communication, 1991, 8（3）： 273-289.
[7] Kuokka D,Harada L. Matchmaking for Information Agents[C]//International Joint Conference on Artificial Intelligence. Lawrence Erlbaum Associates LTD, 1995： 672-678.
[8] Foner L. A Multi-Agent Referral System for Matchmaking[C]//Proceedings the First International Conference on the Practical Application of Intelligent Agents and Multi-Agent Technology. 1996： 245-262.
[9] Foner L N. Yenta： A Multi-Agent, Referral-Based Matchmaking System[C]//Proceedings of the First International Conference on Autonomous Agents. ACM, 1997： 301-307.
[10] Foner L. Community Formation Via a Distributed, Privacy-Protecting Matchmaking System[J]. Community Computing and Support Systems, 1998： 359-376.
[11] Ojha A,Kumar Pradhan S K. Fuzzy Linguistic Approach to Matchmaking in E-Commerce[C]//9Th International Conference on Information Technology. IEEE, 2006： 217-220. [12] Yu L,Biqing H,Wenhuang L, et al. Knowledge Based Decision Support System for Matchmaking of Enterprise Competence[C]//2000 Ieee International Conference on Systems, Man, and Cyberics. IEEE, 2000： 2023-2027.
[13] Du J,Wang S,Qi G, et al. An Abductive CQA Based Matchmaking System for Finding Renting Houses[C]//Proc. of Joint International Semantic Technology Conference. 2011： 394-401.
[14] Veit D,Müller J P,Schneider M, et al. Matchmaking for Autonomous Agents in Electronic Marketplaces[C]//Proceedings of the Fifth International Conference on Autonomous Agents. ACM, 2001： 65-66.
[15] Dharanyadevi P,Dhachelvan P,Baskaran R, et al. Qualitative Analysis on Matchmaking Techniques for Web Service Discovery[J]. International Journal of Advancements in Computing Technology, 2010, 2（2）： 130-143.
[16] Kritikos K,Plexousakis D. Requirements for Qos-Based Web Service Description and Discovery[J]. IEEE Transactions on Services Computing, 2009, 2（4）： 320-337.
[17] Kawamura T,Hasegawa T,Ohsuga A. Proposal of Semantics-Based Web Service Matchmaking[C]//Proceedings of the Fourth International Conference on Computational Intelligence and Multimedia Applications. IEEE Computer Society, 2001： 87.
[18] Trastour D,Bartolini C,Castillo J G. A Semantic Web Approach to Service Description for Matchmaking of Services[C]//Proceedings of the International Semantic Web Working Symposium SWWS. 2001： 447-461.
[19] Lee T B,Hendler J,Lassila O. The Semantic Web[J]. Scientific American, 2001, 284（5）： 34-43.
[20] Sycara K,Widoff S,Klusch M, et al. Larks： Dynamic Matchmaking Among Heterogeneous Software Agents in Cyberspace[J]. Autonomous Agents and Multi-Agent Systems, 2002, 5（2）： 173-203.
[21] Anupriya A. DAML-S： Semantic Markup for Web Services[C]//Proceedings of the International Semantic Web Working Symposium SWWS. 2002： 411-430.
[22] Tomaz R F,Labidi S. Increasing Matchmaking Semantics in Intelligent Commerce System[C]//International Conference on Web Intelligence. IEEE, 2003： 616-619.
[23] Ameri F,Dutta D. A Matchmaking Methodology for Supply Chain Deployment in Distributed Manufacturing Environments[J]. Journal of Computing and Information Science in Engineering, 2008, 8（1）： 11002-11011.
[24] Chao K M,Younas M,Lo C C, et al. Fuzzy Matchmaking for Web Services[C]//19Th International Conference on Advanced Information Networking and Applications. IEEE, 2005： 721-726.
[25] Martin D,Burstein M,Hobbs J, et al. OWL-S： Semantic Markup for Web Services. W3C Member Submission. 2004, 22（2008-01-07）： 2004-2007. [26] Manaster A B,Rosenstein J G. Effective Matchmaking （Recursion Theoretic Aspects of a Theorem of Philip Hall）[J]. Proceedings of the London Mathematical Society, 1972, 3（4）： 615.
[27] Guield D,Irving R W. The Stable Marriage Problem： Structure and Algorithms[M]. 1989.
[28] Choi K H,Lee K,Shin H, et al. Efficient Algorithm for Service Matchmaking in Ubiquitous Environments[J]. E-Commerce and Web Technologies, 2005： 258-266.
[29] Str bel M,Stolze M. A Matchmaking Component for the Discovery of Agreement and Negotiation Spaces in Electronic Markets[J]. Group Decision and Negotiation, 2002, 11（2）： 165-181.
[30] Gatteschi V,Lamberti F,Sanna A, et al. A Semantic Matchmaking System for Job Recruitment[C]//Proc. Of the 10Th International Conference on Knowledge Management and Knowledge Technologies. [S.1.]： 2010： 50-59.
[31] 张振华,汪定伟. 电子相似度检测中的多属性匹配研究[J]. 计算机工程与应用, 2005, 41（4）： 9-11.
[32] 陈希,樊治平. 电子采购中具有语言评价信息的交易匹配问题研究[J]. 运筹与管理, 2009（003）： 132-137.
[33] 陈希,樊治平,李玉花. IT 怎么写作供需双边匹配的模糊多目标决策方法[J]. 管理学报, 2011, 8（7）： 1097-1101.
[34] Paolucci M,Niu Z,Sycara K, et al. Matchmaking to Support Intelligent Agents for Portfolio Management[C]//Proceedings of the National Conference on Artificial Intelligence. MIT Press, 2000： 1125-1126.
[35] Field S,Hoffner Y. Vimp-a Virtual Market Place for Insurance Products[J]. Electronic Markets, 1998, 8（4）： 3-7.
[36] Calì A. Im3： A System for Matchmaking in Mobile Environments[C]//Knowledge-Based Intelligent Information and Engineering Systems. Springer, 2005： 156.
[37] Barolli L,Koyama A,Cheng Z, et al. An Agent Based Matchmaking System Using Knowledge Base[C]//22nd International Conference on Distributed Computing Systems Workshops. IEEE, 2002： 142-146.
[38] Lee K K K,Chiu D K W,Hung P C K. Web-Service Based Information Integration for E-Financial Planning System Matchmaking Decision Support[C]//International Conference on Web Intelligence and Intelligent Agent Technology Workshops. [S.1.]： IEEE, 2006： 259-262.
[39] Hara H,Fujita S,Sugawara K. Agent-Based Job Matchmaking System for Teleworkers[C]//Artificial Intelligence and Soft Computing. ACTA Press, 2004.
[40] Goodyear P. Networked Learning in Higher Education Project[R]. UK： Lancaster University, 2001.
[41] Kester L,Van Roalen P,Sloep P, et al. Matchmaking in Learning Networks： A System to Support Knowledge Sharing[C]//Proceedings Workshop Learning Networks for Lifelong Competence Development. Sofia, Bulgaria： 2006： 93-100.
[42] Nichols D M,Twidale M B. Matchmaking and privacy in the digital library： striking the right balance[C]//Proceedings of the 4th UK/International on Electronic Library and Visual Information Research. London, UK： Aslib, 1997： 31-38.
[43] Konstan J A. Introduction to Remender Systems： Algorithms and Evaluation[J]. Acm Transactions on Information Systems （Tois）, 2004, 22（1）： 1-4.
[44] 夏清,孙正运. 考虑交易成本的区域市场撮合交易模型[J]. 电网技术, 2005, 29（17）： 1-4.
[45] 肖海波,韩正华,陈彤. 我国区域电力市场批发竞争运营模式探讨[J]. 华中电力, 2007, 20（1）： 51-54.
[46] Ozbal G,Karaman H. Matchbook a Web Based Remendation System for Matchmaking[C]//23Rd International Symposium on Computer and Information Sciences. IEEE, 2008： 1-6.
[47] Hwang C L,Lin M J. Group Decision Making Under Multiple Criteria： Methods and Applications[M]. Springer-verlag Berlin Heidelberg, 1987.