模糊逻辑在推荐系统中的应用

Question

我想知道如何在我的推荐系统中使用模糊逻辑来获得某种优势？

我的系统主要通过以下方法计算用户之间的相似性：

• 塔莫托系数
• 余弦距离
• 离散距离

然后，将所有的相似点组合成一个从0到1的度量值，这样我们就可以得到用户1的相似用户，然后推荐给他那些与他相似的用户购买的商品。

我了解模糊理论的基本原理，只是想不出在这里有什么用处，但想试着听听关于这方面的任何想法。

Answer 1

在现实生活中，我没有看到那么多模糊逻辑的成功应用，所以我不会对它期望太高。

如果你想不出任何用法，你为什么要尝试它呢？

Answer 2

如果您的相似度值为0到1，则可以使用模糊逻辑将系统正规化。就像有一个返回true/false并尝试用双值逻辑将其形式化的系统。你只是得到了正规化。

唯一的优点可以是去模糊的数字(使用非常相似的模糊词，不太相似，.)，但你也可以这样做，没有模糊逻辑.