一种基于协同过滤和混合相似性模型的推荐算法

针对推荐系统协同过滤方法中存在的数据稀疏和冷启动等问题,提出一种基于协同过滤和混合相似性模型的推荐算法。该算法首先计算用户在不同项目间的相似性,然后结合项目特性和标签信息权重来描述用户、项目、特性和标签之间的关系;其次,设定用户偏好因子和不对称因子调整不同用户间的评分偏好;最后,结合用户间相似性、项目综合权重,以及评分偏好构建混合相似性模型,并加入用户时间权重信息解决项目冷启动问题。在公开的MovieLens数据集上的实验表明,该算法在各种评估指标上比其他相关方法获得更显著的结果。

基于区间偏好和MADM的配电网智能化规划方案评估方法

针对配电网智能化规划方案评估中决策因素的不确定性和专家判断的模糊性问题,提出了基于区间偏好和多属性决策(Multi Attribute Decision-Making, MADM)的配电网智能化规划方案评估方法。首先建立属性层次结构和方案属性决策表。其次,建立各方案属性间两两比较的区间偏好关系。然后,依据偏好关系计算各方案属性的相对权重。最后,结合属性层次结构,获得各方案对总目标的综合权重,并产生最终决策结果。所提出的方法较好地将专家经验和定量计算相结合,合理地处理了决策因素的不确定性和专家判断的模糊性,简化了评判决策的步骤。实验结果表明该方法可行、有效,所获评价排序结果与层次分析法相比具有更高的区分度。