基于偏好诱导量词的个性化推荐模型

摘要：

提出一种新颖精巧的用户期望值提取模型,据此建立基于用户偏好的个性化模糊量词.首先给定一组多属性样本信息,仅要求用户根据自己的态度偏好或主观评判,提供一个关于样本方案的优劣排序.根据这个排序序列,基于有序加权平均(ordered weighted averaging,OWA)思想并利用理想解法(technique for order preference by similarity to ideal solution,TOPSIS)方法,构造用户期望值提取模型,获取用户关于样本信息的期望值,再从中抽取偏好、态度等个性特征信息,建立针对此用户的个性化量词.最后利用所得量词对新产品进行 OWA 数据集成,实现个性化产品推荐.案例研究及实验分析表明,所提模型及方法能够很好地捕获并反映主体的偏好及态度等个性特征,在实际应用中可面向不同层次水平、不同知识结构的用户,理性快捷地向其推荐相应态度偏好下的"最满意方案"而非一般意义下的"最优方案",相比同类方法具有更大的实用性和灵活性.

关键词：OWA算子、期望值、量词、偏好、个性化推荐

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目;教育部社会科学规划基金项目

在线出版日期：2020-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：124-135