● 摘要
近年来因特网技术的高速发展，电子商务越来越流行。面对越来越严重的网络信息过载的问题，个性化推荐系统不仅成为理论界研究的热点，也在电子商务领域得到了广泛的应用。本论文首先阐述了现有的推荐系统采用的各种技术。现有的推荐系统可以大致分为基于内容的推荐系统、基于知识的推荐系统以及协同过滤推荐系统。协同过滤推荐系统凭着性能上的优势，成为目前主流的推荐方式，而且新的协同过滤推荐系统都会结合其他两种推荐系统的特点作为改进。因此本论文研究的核心是协同过滤推荐系统。协同过滤推荐系统中的协同过滤的核心思想是将兴趣类似的用户进行聚类，而形式概念实际上指的是一组有共享属性的对象，因此可以将其用在协同过滤推荐中，利用概念描述具有类似兴趣的用户。基于这个思想，本论文主要做的工作如下： 1. 给出了将模糊逻辑用于模糊概念的模糊概念分析，包括将多值上下文模糊化、模糊概念及模糊概念格的定义、模糊概念格的代数、模糊概念格的生成以及模糊概念格的化简等一系列的数学模型和算法。 2. 给出了利用模糊概念格进行协同过滤推荐的算法。为了利用模糊概念格进行协同过滤推荐，首先系统需要从模糊概念格中找出所有的模糊梯级属性切入概念，并且建立梯级属性到切入概念的映射。模糊概念格中其他的模糊概念都可以从这些梯级属性切入概念通过最大下界的运算生成。在需要进行评分预测的时候，根据目标用户已经评过的电影，得到梯级属性的集合，通过这个梯级属性的集合，和梯级属性到切入概念的映射，可以快速取得切入概念的集合，通过最大下界的运算，可以得到用于推荐的模糊概念。用于推荐的模糊概念的外延就是一个拥有和目标用户类似兴趣的用户的模糊集合。 3. 对本文给出的协同过滤推荐方法，进行系统地实验测试，包括对可以利用模糊概念格进行推荐的前提假设的验证、算法精确度和运行效率的测试、参数选择对实验结果影响的测试等。实验证明本文给出的基于模糊概念格的协同过滤推荐是有效可行的，并且算法精度较传统的基于用户的协同过滤算法有提高。由于可以利用从梯级属性到切入概念的映射迅速地找到邻居，所以大大减少了查询用户之间距离的次数，因此相比经典的基于用户的协同过滤算法，基于模糊概念格的协同过滤算法的在线效率有较大的提高。 4. 实现了一个完整的基于模糊概念格的推荐系统，包括多值上下文转换程序、训练程序、前台的推荐演示程序以及可以很直观地展示模糊概念格以及模糊概念之间关系的模糊概念格演示程序。