考虑到一致性调整和排序权重向量确定方法是犹豫模糊语言群决策中的2个重要课题,构造基于一致性调整算法的犹豫模糊语言群决策模型。具体来说,该模型首先运用对数最小二乘法计算犹豫模糊语言偏好关系(hesitant fuzzy linguistic prefere...考虑到一致性调整和排序权重向量确定方法是犹豫模糊语言群决策中的2个重要课题,构造基于一致性调整算法的犹豫模糊语言群决策模型。具体来说,该模型首先运用对数最小二乘法计算犹豫模糊语言偏好关系(hesitant fuzzy linguistic preference relation,HFLPR)的排序权重向量;其次,将一致性指数最小的语言偏好关系对应的排序权重向量作为HFLPR的序权重向量;随后,基于一致性调整算法建立了一种收敛的犹豫模糊语言群决策模型。该模型既没有改变原始犹豫模糊语言术语集,又可以尽可能地避免信息的损失;最后,将建立的模型应用于推荐系统的优选过程。实验表明,构建的群决策算法更合理有效。展开更多
提出一种基于位置的社交网络中利用深度学习的POI推荐方法。建立一个地理时空注意力网络,以发现总体序列依赖性和微妙的POI-POI关系;将签到序列中连续的地理距离和时间间隔信息加入到地理时空注意力网络中,建立用户个性化移动行为和挖...提出一种基于位置的社交网络中利用深度学习的POI推荐方法。建立一个地理时空注意力网络,以发现总体序列依赖性和微妙的POI-POI关系;将签到序列中连续的地理距离和时间间隔信息加入到地理时空注意力网络中,建立用户个性化移动行为和挖掘用户个性化时空偏好;设计特定于上下文的共同注意力网络,通过从签到历史中自适应选择相关签到活动来学习更改用户偏好,使地理-时空门控循环单元网络(geographical-spatiotemporal gated recurrent unit network,GS-GRUN)能够区分不同签到的用户偏好程度。在Foursquare和Gowalla数据集上的实验结果表明,所提算法能够显著提升POI推荐方法的推荐匹配度。展开更多
针对复杂决策环境下的决策者倾向于使用定性评价数据和现实环境中数据信息通常存在正态分布规律的问题,构建了基于犹豫正态语言有序加权平均(hesitant normal linguistic ordered weighted average,HNLOWA)算子的决策模型。将正态模糊...针对复杂决策环境下的决策者倾向于使用定性评价数据和现实环境中数据信息通常存在正态分布规律的问题,构建了基于犹豫正态语言有序加权平均(hesitant normal linguistic ordered weighted average,HNLOWA)算子的决策模型。将正态模糊数和犹豫模糊语言元相结合,引入了犹豫正态语言元(hesitant normal linguistic element,HNLE)的概念,其不仅能够运用语言变量来描述决策信息,还能传递出语言决策信息的分布情况;定义了HNLE之间的基本运算法则和大小判别准则,并设计HNLOWA算子用于对HNLE进行信息融合,同时探究了HNLOWA算子的相关性质;构建了基于HNLOWA集成算子的多属性决策方法,并运用推荐系统选择评估案例进行了模型的验证分析。展开更多
文摘考虑到一致性调整和排序权重向量确定方法是犹豫模糊语言群决策中的2个重要课题,构造基于一致性调整算法的犹豫模糊语言群决策模型。具体来说,该模型首先运用对数最小二乘法计算犹豫模糊语言偏好关系(hesitant fuzzy linguistic preference relation,HFLPR)的排序权重向量;其次,将一致性指数最小的语言偏好关系对应的排序权重向量作为HFLPR的序权重向量;随后,基于一致性调整算法建立了一种收敛的犹豫模糊语言群决策模型。该模型既没有改变原始犹豫模糊语言术语集,又可以尽可能地避免信息的损失;最后,将建立的模型应用于推荐系统的优选过程。实验表明,构建的群决策算法更合理有效。
文摘提出一种基于位置的社交网络中利用深度学习的POI推荐方法。建立一个地理时空注意力网络,以发现总体序列依赖性和微妙的POI-POI关系;将签到序列中连续的地理距离和时间间隔信息加入到地理时空注意力网络中,建立用户个性化移动行为和挖掘用户个性化时空偏好;设计特定于上下文的共同注意力网络,通过从签到历史中自适应选择相关签到活动来学习更改用户偏好,使地理-时空门控循环单元网络(geographical-spatiotemporal gated recurrent unit network,GS-GRUN)能够区分不同签到的用户偏好程度。在Foursquare和Gowalla数据集上的实验结果表明,所提算法能够显著提升POI推荐方法的推荐匹配度。
文摘针对复杂决策环境下的决策者倾向于使用定性评价数据和现实环境中数据信息通常存在正态分布规律的问题,构建了基于犹豫正态语言有序加权平均(hesitant normal linguistic ordered weighted average,HNLOWA)算子的决策模型。将正态模糊数和犹豫模糊语言元相结合,引入了犹豫正态语言元(hesitant normal linguistic element,HNLE)的概念,其不仅能够运用语言变量来描述决策信息,还能传递出语言决策信息的分布情况;定义了HNLE之间的基本运算法则和大小判别准则,并设计HNLOWA算子用于对HNLE进行信息融合,同时探究了HNLOWA算子的相关性质;构建了基于HNLOWA集成算子的多属性决策方法,并运用推荐系统选择评估案例进行了模型的验证分析。
