基于多粒度猶豫模糊語(yǔ)言信息的群推薦方法研究.pdf

1、群推薦系統(tǒng)是為參與共同活動(dòng)的群體推薦滿(mǎn)足群中所有成員的共同愛(ài)好的信息系統(tǒng)，現(xiàn)有成果主要支持線(xiàn)下已成團(tuán)群體。隨著在線(xiàn)社交網(wǎng)絡(luò)的出現(xiàn)，具有相似興趣的群體形成了各類(lèi)虛擬社區(qū)，面向社交網(wǎng)絡(luò)中虛擬社區(qū)的群推薦系統(tǒng)將成為推薦領(lǐng)域的熱點(diǎn)問(wèn)題。由于群推薦方法是群推薦系統(tǒng)的核心問(wèn)題，因此研究群推薦理論與群推薦方法具有重要的理論意義和應(yīng)用價(jià)值。
　　在群推薦系統(tǒng)中，由于不同的個(gè)體偏好不同，個(gè)體在描述這些偏好信息時(shí)習(xí)慣采用自然語(yǔ)言，所以其偏好信息通常具

2、有模糊性、猶豫性的特點(diǎn)。此外，由于不同的網(wǎng)絡(luò)平臺(tái)上可能采用不同粒度的語(yǔ)言信息進(jìn)行推薦，所以群體偏好信息還具有多粒度性?；诖?，本文在猶豫模糊語(yǔ)言環(huán)境下，首先研究了在線(xiàn)社交網(wǎng)絡(luò)中的用戶(hù)群發(fā)現(xiàn)方法。其次，在研究了個(gè)體評(píng)分預(yù)測(cè)的基礎(chǔ)上，深入地研究了在線(xiàn)社交網(wǎng)絡(luò)中用戶(hù)群偏好獲取方法。最后，研究了面向在線(xiàn)社交網(wǎng)絡(luò)用戶(hù)的TOPSIS群推薦方法、VIKOR群推薦方法。具體研究工作與創(chuàng)新點(diǎn)如下:
　　(1)多粒度猶豫模糊語(yǔ)言環(huán)境下的群體發(fā)現(xiàn)方法。

3、群體發(fā)現(xiàn)是群推薦的基礎(chǔ)性問(wèn)題，為此本部分首先在多粒度猶豫模糊語(yǔ)言術(shù)語(yǔ)集的基礎(chǔ)上，引入了多粒度猶豫模糊語(yǔ)言余弦相似性計(jì)算公式，采用余弦相似性公式計(jì)算用戶(hù)之間的相似性，分析余弦相似性與距離相似性公式之間的差異。其次，將最小生成樹(shù)方法拓展到多粒度猶豫模糊語(yǔ)言環(huán)境中用于聚類(lèi)分析。最后，將最小生成樹(shù)聚類(lèi)方法與等價(jià)關(guān)系聚類(lèi)方法進(jìn)行對(duì)比，分析所提出的方法聚類(lèi)分析中的合理性和有效性。
　　(2)猶豫模糊語(yǔ)言環(huán)境下的評(píng)分預(yù)測(cè)方法。評(píng)分預(yù)測(cè)問(wèn)題是群推

4、薦系統(tǒng)中研究焦點(diǎn)之一，為此本部分首先綜述群推薦系統(tǒng)中評(píng)分預(yù)測(cè)的主要方法，闡述猶豫模糊語(yǔ)言環(huán)境下評(píng)分預(yù)測(cè)的必要性。其次，在猶豫模糊語(yǔ)言環(huán)境下距離相似性公式、余弦相似性公式的基礎(chǔ)上提出相關(guān)系數(shù)相似性公式用于計(jì)算用戶(hù)之間的相似性。最后，采用距離相似性公式、余弦相似性公式和相關(guān)系數(shù)相似性公式對(duì)算例進(jìn)行計(jì)算，預(yù)測(cè)出未知的評(píng)分信息，比較三種方法預(yù)測(cè)的精度，分析所提出的相關(guān)系數(shù)相似性公式對(duì)猶豫模糊語(yǔ)言信息評(píng)分預(yù)測(cè)的可行性和有效性。
　　(3)多

5、粒度猶豫模糊語(yǔ)言的群偏好獲取方法。在群推薦系統(tǒng)中如何將個(gè)體偏好信息集結(jié)成群體偏好信息是一個(gè)關(guān)鍵問(wèn)題，為此本部分首先提出三角形猶豫模糊集的概念，分析三角形猶豫模糊集的性質(zhì)，采用三角形猶豫模糊集對(duì)多粒度猶豫語(yǔ)言進(jìn)行轉(zhuǎn)換。其次，定義廣義三角形猶豫模糊有權(quán)平均算子和廣義三角形猶豫模糊有權(quán)幾何算子，推導(dǎo)出這兩個(gè)算子的性質(zhì)。最后以汽車(chē)推薦為例，利用這兩個(gè)算子對(duì)多粒度猶豫模糊語(yǔ)言信息描述的群偏好問(wèn)題進(jìn)行集結(jié)，分析該模型解決群體偏好獲取是合理和有效的。

6、
　　(4)多粒度猶豫模糊語(yǔ)言的TOPSIS群推薦方法。針對(duì)不同群體的偏好信息具有多粒度性、猶豫模糊性等特點(diǎn)，本文首先定義多粒度猶豫模糊語(yǔ)言術(shù)語(yǔ)集的概念，定義多粒度猶豫模糊語(yǔ)言的系列距離公式，研究這些公式的性質(zhì)，討論公式之間的關(guān)系。其次，在屬性權(quán)重完全未知的情況下，建立目標(biāo)規(guī)劃模型，利用拉格朗日方程求解模型得到屬性權(quán)重;在屬性權(quán)重不完全未知的情況下，采用線(xiàn)性規(guī)劃模型求解屬性權(quán)重。最后，將這些距離公式結(jié)合TOPSIS方法用于群體推薦

7、問(wèn)題，并分析公式的參數(shù)對(duì)TOPSIS方法的滿(mǎn)意度及推薦結(jié)果的影響情況。
　　(5)多粒度猶豫模糊語(yǔ)言信息的VIKOR群推薦方法。針對(duì)群推薦系統(tǒng)中被推薦項(xiàng)目具有多粒度性、猶豫模糊性問(wèn)題，本文首先在多粒度猶豫模糊語(yǔ)言術(shù)語(yǔ)集的基礎(chǔ)上，引入多粒度猶豫模糊語(yǔ)言信息熵的概念及計(jì)算公式，采用信息熵公式計(jì)算被推薦項(xiàng)目的屬性權(quán)重;其次，將傳統(tǒng)的VIKOR方法拓展到多粒度猶豫模糊領(lǐng)域，并對(duì)其妥協(xié)解公式進(jìn)行改進(jìn)，將改進(jìn)的VIKOR方法用于群推薦;最后，