基于熵权的多粒度犹豫模糊语言VIKOR群推荐方法
CSTR:
作者:
作者单位:

(1. 合肥工业大学管理学院,合肥230001;2. 蚌埠学院计算机工程学院,安徽蚌埠233030)

作者简介:

陈秀明(1972-), 男, 副教授, 博士, 从事智能决策、模糊语言计算的研究;刘业政(1965-), 男, 教授, 博士生导师, 从事智能决策理论方法、数据挖掘等研究.

通讯作者:

E-mail: cxm9001@163.com

中图分类号:

C934

基金项目:

国家自然科学基金重大项目(71490725);国家973计划项目(2013CB329603);国家自然科学基金项目(71371062);安徽省教育厅重点自然科学项目 (KJ2015A300).


Multi-granular hesitant fuzzy linguistic term sets and their application in group recommendation based on entropy measure and VIKOR method
Author:
Affiliation:

(1. School of Management,Hefei University of Technology,Hefei 230001,China;2. College of Computer Engineering,Bengbu University,Bengbu233030,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对群推荐系统中被推荐项目具有多粒度性、犹豫性、模糊性的特点,首先在多粒度犹豫模糊语言术语集的基础上,提出多粒度犹豫模糊语言熵的概念及计算公式,采用熵的计算公式求解被推荐项目的属性权重;然后,将传统的多准则妥协解排序法(VIKOR)拓展到多粒度犹豫模糊领域,并对其妥协解公式加以改进,将改进的VIKOR方法用于群推荐;最后,从理论分析、数值计算和敏感性分析3个方面将改进的VIKOR方法与逼近理想解排序法(TOPSIS)进行对比,所得结果表明了所提出方法在群推荐应用中的合理性和有效性.

    Abstract:

    According to the characteristics of recommended items in a group recommendation system, i.e., multi-granularity, hesitantcy, fuzziness, firstly, based on the concept of multi-granular hesitant fuzzy linguistic term sets(MHFLTSs), the concept and calculation formula of the multi granularity hesitant fuzzy linguistic entropy are defined, and the attributes of recommended items can be calculated by using MHFLTSs’ entropy measures. Then, the traditional VIKOR method is extended to the multi-granularity fuzzy domain, and the compromise solution formula is improved. The improved VIKOR method is applied to the group recommendation. Finally, the VIKOR method and TOPSIS method are compared from three aspects of theoretical analysis, numerical calculation and sensitivity analysis. The results show that the proposed method is reasonable and effective in the application of group recommendation.

    参考文献
    相似文献
    引证文献
引用本文

陈秀明,刘业政.基于熵权的多粒度犹豫模糊语言VIKOR群推荐方法[J].控制与决策,2018,33(1):111-118

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-12-07
  • 出版日期:
文章二维码