直觉犹豫模糊集的相关系数在群推荐中的应用

计算机工程与科学

直觉犹豫模糊集的相关系数在群推荐中的应用

陈秀明1,2,钱丽1,3,胡贤德1,李敬明1,2,张怡文1

（1.安徽新华学院信息工程学院，安徽合肥 230088；2.合肥工业大学管理学院，安徽合肥 230001；

3.中国科技大学公共事务学院，安徽合肥 230022）

收稿日期:2016-06-15 修回日期:2016-08-30 出版日期:2017-11-25 发布日期:2017-11-25
基金资助:
安徽省教育厅自然科学基金(KJ2015A300,KJ2016A304,KJ2016A308);国家大学生创新项目(201312216006，201412216026，201512216009)

Correlation coefficients of intuitionistic hesitant fuzzy

sets and their applications in group recommendation

CHEN Xiu-ming1,2,QIAN Li 1,3,HU Xian-de1,LI Jing-ming1,2,ZHANG Yi-wen1

（1.College of Information Engineering,Anhui Xinhua University,Hefei 230088;

2.School of Management,Hefei University of Technology,Hefei 230001;

3.School of Public Affairs,University of Science and Technology of China,Hefei 230022,China）

Received:2016-06-15 Revised:2016-08-30 Online:2017-11-25 Published:2017-11-25

摘要/Abstract

摘要：

在直觉犹豫模糊集描述的群推荐系统中，首先，针对直觉犹豫模糊距离公式计算相似性问题中存在的不足，提出了直觉犹豫模糊集相关系数的概念；其次，给出直觉犹豫模糊集相关系数的聚类算法，并分析采用直觉犹豫模糊集相关系数公式与距离公式计算相似性的区别；最后，利用直觉犹豫模糊集相关系数对电影进行推荐，结论表明了直觉犹豫模糊集相关系数方法的实用性和有效性。

关键词: 相关系数, 直觉犹豫模糊集, 聚类分析, 群推荐

Abstract:

There are some group recommendation systems which are described by the information of intuitionistic hesitant fuzzy sets (IHFS). Fristly, in view of the problems existing in the calculation of the similarity between two intuitionistic hesitant fuzzy sets by distance formula, we define the concept of correlation coefficient of the intuitionistic hesitant fuzzy set. Secondly, we apply the correlation coefficient measures to group recommendation under the intuitionistic hesitant fuzzy environment, and analyze the difference between the formulas of the correlation coefficient and the distance formulas. Finally, a practical example of movie recommendation is given to demonstrate the practicality and effectiveness of the proposed approach.

Key words: correlation coefficient, intuitionistic hesitant fuzzy set, clustering analysis, group recommendation

陈秀明1,2,钱丽1,3,胡贤德1,李敬明1,2,张怡文1. 直觉犹豫模糊集的相关系数在群推荐中的应用[J]. 计算机工程与科学.

CHEN Xiu-ming1,2,QIAN Li 1,3,HU Xian-de1,LI Jing-ming1,2,ZHANG Yi-wen1 .

Correlation coefficients of intuitionistic hesitant fuzzy

sets and their applications in group recommendation

[J]. Computer Engineering & Science.

[1]	张柏恺, 杨德刚, 冯骥, . 一种去除聚类数量和邻域参数设置的自适应聚类算法[J]. 计算机工程与科学, 2021, 43(10): 1838-1847.
[2]	熊菊霞1,2,3,吴尽昭1,2,3. 异构复杂信息网络敏感数据流动态挖掘[J]. 计算机工程与科学, 2020, 42(04): 628-633.
[3]	高星1，刘剑飞1，郝禄国2，董琪琪1. 基于YOLOv3算法的训练集优化和检测方法的研究[J]. 计算机工程与科学, 2020, 42(01): 103-109.
[4]	刘云鹏. 基于移动云教学平台的学情数据分析实证研究——以独立学院《动态网站设计》课程为例[J]. 计算机工程与科学, 2019, 41(增刊S1): 119-123.
[5]	李鑫健，刘漫丹. 基于最短时间距离的校园无线网络用户关联性度量[J]. 计算机工程与科学, 2019, 41(10): 1755-1762.
[6]	邵俊健，王士同. 高维数据的增量式聚类算法的距离度量选择研究[J]. 计算机工程与科学, 2019, 41(02): 214-223.
[7]	杜佳星,陈亚伟,张静. 基于聚类分析优化的距离修正室内定位算法[J]. 计算机工程与科学, 2018, 40(02): 246-254.
[8]	文静，曹妍，张琳，牟向伟. 基于双重遗传的聚类分析算法研究[J]. 计算机工程与科学, 2017, 39(12): 2320-2325.
[9]	吴思博，陈志刚，黄瑞. 基于相关系数的ID3优化算法[J]. 计算机工程与科学, 2016, 38(11): 2342-2347.
[10]	孙刚1,2，张靖1,3. 面向高维微阵列数据的集成特征选择算法[J]. J4, 2016, 38(07): 1330-1337.
[11]	董跃华,刘力. 基于相关系数的决策树优化算法[J]. J4, 2015, 37(09): 1783-1793.
[12]	杨红波1,郑剑2. 基于改进聚类分析的神经网络集成方法应用研究[J]. J4, 2015, 37(05): 974-978.
[13]	黄闽英，牟锐. 对模糊聚类分析法的改进及其在SRM中的应用[J]. J4, 2011, 33(6): 144-149.
[14]	孙晓博，廖桂平. 基于新的相似性度量的加权粗糙聚类算法[J]. J4, 2011, 33(12): 110-115.
[15]	蒋德珑1,2，李〓盛3，王克文1，付金光1. 模糊聚类分析系统的研究与实现[J]. J4, 2011, 33(12): 121-125.