基于综合相似度与任务紧要度的个性化任务推荐

研究了如何将协同过滤推荐应用于IT项目外包平台,实现个性化任务推荐,提出了1种融合用户Profile文本相似度、任务选择相似度及任务紧要度的协同推荐方法． 该方法将用户对任务的选择行为转换为用户-任务类选择矩阵,并以此计算用户间的选择相似性;用户profile文本相似性用于平衡用户选择相似性并形成用户综合相似性,算法中任务紧要度用于度量任务的时限性与经济性,设置合适的阈值来构建待推荐任务集． 在真实数据集上的实验结果表明,提出的个性化推荐方法具有较高的推荐准确度,并在一定程度上缓解冷启动与数据稀疏性问题．     

基于杰卡德相似性的推荐系统研究

协同过滤推荐系统的核心是用户的相似性度量.在杰卡德相似性度量基础上,提出一种修正的杰卡德相似性度量.该方法将用户评分差异的数目融入相似度计算,并综合杰卡德相似度建立神经网络学习模型,选取Movielens数据作为训练集,得到合适的权重.实验结果表明,与pearson相似性度量相比,该方法在用户评价较少时给出相对可靠的推荐,在推荐的精度、平均绝对误差等方面具有一定的优越性.     

改进的Vague值间相似度量一般公式及其地标排序应用

针对现有Vague值间相似度量一般公式以常数为调节系数存在的不足,提出对其未知度子项调节系数增加与Vague值自身有关的函数的改进方法,给出了该函数应满足的条件。提出了一种包含该函数的新的Vague集间相似度量,对其性质进行讨论;并基于现有Vague集间相似度量,给出了一种该函数的选取方法。与现有相似度量比较表明,提出的相似度量明显改善度量结果的合理性和区分能力。与多准则模糊决策方法相结合,将提出的相似度量用于地标排序,表明其有效性、可行性和优越性,同时为地标排序提供了一种新方法。     

基于影响集与修正权重的协作过滤推荐方法

协作过滤推荐算法是构造推荐系统最成功的推荐技术之一。提出了一种基于影响集与修正权重的协作过滤方法:该方法选择被用户共同评分的项目集计算项目间相似性,过滤其相似度超过预定阈值的项目集作为影响集,然后设置项目共同出现的频次参数进行权重调整;并结合影响集与权重调整作出评分预测。实验结果说明了该方法的可行性与有效性。     

基于可能度的Vague软集排序方法

软集理论是一种新的处理不确定性问题的数学工具.基于Vague软集的相关运算以及可能度理论,针对Vague软集中对象提出了一种排序方法,进而借助聚合算子给出Vague软集的一种排序方法,讨论排序方法的基本性质.通过例子说明提出的对象排序方法以及Vague软集排序方法的有效性.     

一种基于混合相似度的用户多兴趣推荐算法

针对传统协同过滤推荐数据稀疏会影响推荐质量,以及项目最近邻居集的计算忽略用户多兴趣及提高推荐的准确度问题,该文采用混合模型改进了相似性度量计算,综合Pearson相关系数与修正余弦相似性,提出了一种基于混合相似度的用户多兴趣推荐算法.实验表明:该推荐方法的相似度计算更高效,不仅提高推荐准确率,而且使用户有更好的推荐体验.     

Rough Vague集相似度量的一种新方法

对粗糙集、Vague集及粗糙Vague集的概念、知识表示方法进行了讨论,描述了粗糙Vague集的相关概念.根据区间相似性的原理,指出影响Vague集相似性度量的4个因素,提出一种新的Vague集相似性度量方法,在此基础上给出粗糙Vague值相似度量的一种新方法,并研究了该方法的性质,进一步给出粗糙Vague集相似度量的方法.     

基于新Vague软集模糊熵-Topsis的地标决策

本文分析了现有模糊熵构造方法存在的不足,并提出一种新的Vague软集模糊熵构造方法。该方法既包含Vague集的模糊度又包含其本身的犹豫度,采用Vague集真假隶属度的距离所产生的不确定度和其未知度相加来综合度量影响模糊熵的这2种因素,令调节系数取值为常数,让其简单乘以1/2,以符合Vague软集模糊熵的约束条件。通过与现有模糊熵对比,表明了该模糊熵的合理性。最后通过建立模糊熵-Topsis地标决策模型,剔除信息中的模糊性,并对地标的有效信息进行量化且加入权重,最终以各个地标与参照点之间的相对距离表示地标的排序。将该模糊熵用于地标排序,表明其能够做出有效的最优决策。     

TOPSIS方法在Vague集中的应用

研究属性值和权重皆为Vague值形式的逼近理想解的排序方法(TOPSIS). 根据Vague集的加法和乘法对属性值加权;根据记分函数确定理想解和负理想解;定义Vague集上的Hausdorff测度,据此度量各方案与理想解和负理想解的距离,在此基础上提出了属性值和权重同时表示赞成度和反对度的Vague集TOPSIS方法,并通过实际算例验证该方法的有效性.     

Vague集元素等相似度图形化表示

基于Vague集元素之间相似度量的讨论,将已有的Vague值相似性公式用图形表示,提出Vague值等相似度曲线,该曲线能更直观地体现出Vague值之间的相似性关系,并可非常清晰地反映常见相似性公式的优缺点,为相似度量提供了一种更简单、更有效的研究与评测工具。     

区间Vague集向Fuzzy集转化的一种新方法及实证分析

结合Vague集理论及一些Vague集向Fuzzy集转化的方法解释,对区间Vague集向Fuzzy集转化的方法进行了研究．结合区间Vague值的加权算术和加权几何集成算子,给出了区间Vague集的隶属度,进而给出了区间Vague值的一种有效的排序方法,并通过实例说明其有效性．     

模糊多属性群决策的Vague集方法

介绍Vague集的基本理论,分析现有记分函数的不足,提出一种改进的记分函数;给出一种基于Vague集求解模糊多属性群决策问题的新方法,该方法利用新的记分函数对决策方案进行排序,选出最优方案;以实例说明该方法的可行性与有效性.     

基于模糊聚类和评论时效的在线点餐推荐算法

针对当前推荐算法存在数据稀疏性、冷启动和缺乏时效性的问题,为提高推荐质量,提出了一种基于模糊聚类和评论时效的推荐算法,并应用于在线点餐系统中。在协同过滤的基础上,充分利用模糊C均值聚类算法确定目标用户邻近用户集,再利用改良的项目相似性计算最近邻居集,并填充用户项目评分矩阵,最后引入用户评论相似度和评论时效预测最终评分。实验结果表明,该算法明显优于传统的推荐方法,能够获得较好的推荐精度。     

Vague集之间相似度量的一种方法

根据度量区间相似性的原理,指出影响Vague集相似性度量的4个因素,讨论了现有方法的不足,提出了一种新的Vague集相似性度量方法,并证明了它满足若干准则,通过实例说明了该方法的有效性.     

基于Vague集理论的多目标决策方法

为了解决多目标决策问题,提出了一个基于Vague集理论的新方法.将Vague集中的真隶属度、假隶属度和不确定这三方面信息对应到了三维直角坐标系中的一个点.在相应的三维坐标系中,用Vague集表示策略的点与最优策略对应的点,通过计算它们之间的距离大小数值来确定候选策略的优劣,证明了此方法可以唯一对两个Vague集策略进行排序,通过实例验证该方法的有效性和可行性.     

基于理想解的Vague物元决策方法及其应用

结合物元理论和Vague集理论,提出模糊环境下的物元决策模型.介绍了Vague集的概念,给出Vague复合物元的定义.根据改进的Vague排序函数确定方案物元的正理想解和负理想解.利用相似度量确定各方案物元到理想物元的距离,计算方案的贴近度,以此选择最优方案.用案例说明所提出的物元决策方法的应用过程.结果表明,本文提出的方法对模糊和不确定的决策问题具有较好的实用性.     

Vague集之间的相似度量分析

Vague集的相似度量是Vague集在各个应用领域中的关键技术．本文根据相似工程学原理，指出一个相似度量必须满足的约束条件，提出一种改进的Vague集相似度量公理化定义，然后引入一种新的Vague集相似度量方法，并证明它满足这些公理化条件，最后，用实例说明其应用以及该方法的有效性和直观性.     

一种新的Vague集相似度量方式

在分析比较当前几种Vague集相似度量方法及其优缺点的基础上,提出一种新的Vague集相似度量方法.该方法充分考虑支持度以及真隶属度差距和假隶属度差距,并且区分隶属度差距的方向.该方法更符合实际,它为Vague集之间的相似度提供了一种更好的度量方法.     

结合项目类别信息的协同过滤推荐算法

针对个性化推荐系统中协同过滤算法面临的数据稀疏问题以及用户相似性度量的不准确,提出了一种结合类别信息的协同过滤推荐算法。该算法利用用户评分数据计算用户之间对类别关注的相似性,并将用户对类别关注的相似性和用户评分相似性进行组合,得到用户综合相似性,从而提高了最近邻居搜索的准确度,缓解了数据稀疏性问题。实验结果表明,该方法能够有效地避免传统相似性度量方法存在的问题,使得数据稀疏性对最终推荐结果的负面影响变小,在一定程度上提高系统的推荐精度。     

一种自适应局部和全局融合的协同过滤算法

相似度计算模型是协同过滤技术的核心,相似度模型的好坏直接关系到近邻用户推荐的准确性。通过用户项目评分数据集局部相似性与全局相关性分析,提出相似性度量改进模型,而改进后模型用MovieLens100K数据集实验验证,通过均方根误差、平均绝对误差和召回率三个实验结果分析。该算法可有效地提高推荐预测评分和推荐项目的准确率。