文献类型：期刊文章

作　　者：陈娜[1] 毋江波[2]

CHEN Na;WU Jiang-bo(Department of Information Engineering, Shanxi Vocational and Technical College, Taiyuan 030031, China;School of Economics and Management, Shanxi University, Taiyuan 030006, China)

机构地区：[1]山西交通职业技术学院信息工程系,太原030031 [2]山西大学经济与管理学院,太原030006

出　　处：《控制工程》

基　　金：国家社会科学基金项目(14BTQ027)

年　　份：2018

卷　　号：25

期　　号：5

起止页码：841-848

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、JST、ZGKJHX、核心刊

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。

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  

分 类 号：TP311]