基于Vague集的电子商务推荐系统研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (10): 237-239.

基于Vague集的电子商务推荐系统研究

崔春生1，2，李光1，吴祈宗1

1.北京理工大学管理与经济学院，北京 100081
2.河南财经政法大学计算机学院，郑州 450002

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-01 发布日期:2011-04-01

Research on recommender systems of electric commerce based on Vague sets

CUI Chunsheng1，2，LI Guang1，WU Qizong1

1.School of Management and Economics，Beijing Institute of Technology，Beijing 100081，China
2.School of Computer，Henan University of Economics and Law，Zhengzhou 450002，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-01 Published:2011-04-01

摘要/Abstract

摘要： 基于内容推荐系统发展的瓶颈在于商品特征的表示。借助Vague集方法，并利用高斯函数和Vague集中未知度的一些性质，将商品的特征用Vague值形象表示。在此基础上，给出了运用Vague集方法进行基于内容推荐的步骤，为推荐系统的设计提供了一种新的指导思想和方法。最后给出了多个推荐公式，并进行简单的比较，有利于在实际推荐工作中酌情选择不同的推荐公式，提高商品推荐质量和推荐精度。

关键词: 推荐系统, Vague集, 相似度, 基于内容推荐

Abstract: It is stable for the development of content-based recommendation system to represent the features of merchandise.The theory of Vague sets，Gaussian function and characteristics of uncertainty are used to represent features with Vague value.On this basis，the general steps of content-based recommendation with Vague sets are given，in order to get a new idea and method to recommender systems designers.Finally，some recommender formulas with different features are given，which will be conducive to the work of the actual recommendation.Select different formulas according different conditions will improve the quality and accuracy of the recommendation.

Key words: recommender systems, Vague sets, similarity, content-based recommendation

崔春生1，2，李光1，吴祈宗1. 基于Vague集的电子商务推荐系统研究[J]. 计算机工程与应用, 2011, 47(10): 237-239.

CUI Chunsheng1，2，LI Guang1，WU Qizong1. Research on recommender systems of electric commerce based on Vague sets[J]. Computer Engineering and Applications, 2011, 47(10): 237-239.

[1]	张岐山，陈露露. 基于均衡接近度灰关联的Slope One算法[J]. 计算机工程与应用, 2021, 57(9): 96-102.
[2]	王永贵，李倩玉. 基于KNN-GBDT的混合协同过滤推荐算法[J]. 计算机工程与应用, 2021, 57(9): 103-108.
[3]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[4]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[5]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[6]	钱芸芸，杨文忠，姚苗，李海磊，柴亚闯. 融合主题相似度权重的主题社区发现模型[J]. 计算机工程与应用, 2021, 57(5): 107-114.
[7]	田维安，陈红梅，周丽华. 基于相似用户好奇心的多样性推荐方法[J]. 计算机工程与应用, 2021, 57(23): 113-121.
[8]	陈海，钱付兰，陈洁，赵姝，张燕平. 基于变分自编码器的评分预测模型[J]. 计算机工程与应用, 2021, 57(22): 153-159.
[9]	张杰，张月琴，张泽华，刘志鑫，雷祥. 异质信息融合网络嵌入的注意力偏好推荐方法[J]. 计算机工程与应用, 2021, 57(21): 123-131.
[10]	梁田，曹德欣. 基于莱维飞行的改进简化粒子群算法[J]. 计算机工程与应用, 2021, 57(20): 188-196.
[11]	刘莉. 基于用户多样性偏好的top-N推荐算法[J]. 计算机工程与应用, 2021, 57(17): 116-121.
[12]	杨延娇，赵国涛，王丕栋. 基于语义与情感的句子相似度计算方法[J]. 计算机工程与应用, 2021, 57(16): 151-158.
[13]	赵琪，杜彦辉，芦天亮，沈少禹. 基于Capsule-BiGRU的文本相似度分析算法[J]. 计算机工程与应用, 2021, 57(15): 171-177.
[14]	乔伟涛，黄海燕，王珊. 基于Transformer编码器的语义相似度算法研究[J]. 计算机工程与应用, 2021, 57(14): 158-163.
[15]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.