基于神经网络的多准则决策推荐系统
作者:
陈娜
[1]
毋江波
[2]
关键词:
电子商务
协同过滤推荐系统
自适应神经模糊推理系统
模糊理论
领域本体
相似性度量
摘要:
针对电子商务中多准则决策协同过滤推荐系统的稀疏性问题,提出了一种基于神经网络的多准则决策协同过滤推荐系统,设计了多个相似性度量混合的机制来缓解稀疏性问题.首先,采用领域本体提取选项的信息,并且提取用户的访问信息;然后,使用模糊理论对用户的评价信息进行建模,解决用户评价的不确定性与复杂性;最终,采用自适应神经模糊推理系统预测选项的总评分与选项各个准则评分之间的关系,设计了基于梯度下降法的凸组合机制,提高了冷启动用户相似性度量的鲁棒性与可靠性,最小化系统的预测误差.实验结果显示本算法有效地缓解了稀疏性问题,并且获得了较高的推荐准确率.
上一篇: 基于概率和时延的混合的车载网络广播协议
下一篇: 基于随机权重分配策略的虚拟机资源配置