0

我想知道如何在推荐系统中使用模糊逻辑来获得某种优势？

我的系统基本上通过以下方式计算用户之间的相似度：

  • 谷本系数
  • 余弦距离
  • 离散距离

然后将所有相似度组合成一个从 0 到 1 的度量值。这样我们就可以得到用户 1 的相似用户，然后向他推荐与他相似的用户购买的商品。

我了解模糊理论的基础知识，只是想不出这里有什么用法，但想尝试一下想听听对此的任何想法。

4

2 回答 2

0

我在现实生活中还没有看到太多模糊逻辑的成功应用，所以我不会对它抱有太大的期望。

想不出有什么用处，为什么还要尝试呢？

于 2013-02-02T19:08:51.547 回答
0

如果您的相似度值从 0 到 1，您可以使用模糊逻辑来形式化您的系统。就像拥有一个返回真/假的系统并尝试用双值逻辑将其形式化。你只是得到形式化。

唯一的优点是对数字进行去模糊化（使用模糊词，例如非常相似，不太相似，......），但你也可以在没有模糊逻辑的情况下做到这一点......

于 2013-04-13T10:51:39.287 回答