偏好关系的表示和收缩

针对偏好经常会改变的问题,提出偏好的舍弃操作——偏好收缩,而对于偏好收缩来说,偏好收缩的最小化和保持严格偏序性是很重要的。给出可用于表示有限和无限偏好关系的框架,并针对偏好的收缩问题提出算法,计算偏好关系对基本收缩的全收缩,使收缩后的偏好满足严格偏序,对全收缩进行最小化,得到修正后的偏好全收缩。仿真结果表明,修正后的全收缩小于修正前的全收缩。     

一种基于多类型偏好的偏好逻辑

针对目前缺乏多类型偏好共存的偏好逻辑系统的现状,提出并构造了一个能够描述和推理多种类型偏好的逻辑系统MPL(logic of many kinds of preference).在进一步提出MPL语言L_MPL基于最粗糙/最细致描述原则的非单调语义基础上,通过分级知识库这种常用偏好表示方法的L_MPL重写,初步考察了L_MPL表示能力,最后进行总结并提出需要进一步研究解决的问题.     

多偏好逻辑GMPL

针对缺乏多类型偏好共存的偏好逻辑系统的现状,MPL(logic of many kinds of preference)被构造为一种能够表示和推理四类型偏好的偏好逻辑,但是MPL的语义基于全前序偏好结构,因而不能表示不完全偏好.为此,提出了偏好逻辑GMPL(a generalized edition of MPL).此外,通过常见逻辑偏好的GMPL重写表明GMPL较强的表达能力和实际应用前景.并提出一种将GMPL的SAT问题归结为命题逻辑的SAT问题的方法.     

基于Agent技术的智能导购系统的设计

考虑到目前网上购物站点繁多,客户无法做到货比三家、择优购买,本文提出了设计一种智能导购系统,该系统能根据客户的购买倾向来自动搜索网上的主要购物站点,并能根据客户的购买过程来自动获取客户个人购物偏好,从而使得商家能有针对性地为客户提供个性化服务。     

网格环境下一个用户偏好的计算方法及应用

为满足用户的按需服务需求,首先提出用户QoS属性判断矩阵来表示用户偏好的方法,同时定义了相应的用户偏好函数和QoS满意度。应用用户偏好的矩阵表示和计算方法,提出一个网格服务选择算法,该算法能反映用户的QoS偏好,实现按需服务。对该算法的有效性进行了理论分析和测试,结果表明应用了用户偏好的选择算法,能可靠地选择出反映用户QoS偏好的相对最优服务,且具有良好的稳定性,该方法可用于在网格环境中进行用户个性化需求的保障。     

基于最大团的条件偏好挖掘

针对在数据库的个性化查询中条件约束（或上下文约束）没有被充分考虑的问题,首先提出了条件约束模型i⁺≻i^-|X,它表示在上下文X的约束下,相对于i^-,用户更偏好i⁺。在此模型的基础上,采用最大团（MaxClique）关联规则算法挖掘获得用户偏好;随后又提出了条件偏好挖掘（CPM）算法,该算法结合上下文用于挖掘偏好规则,从而得出用户的偏好。实验结果表明,基于CPM算法的偏好挖掘模型具有较强的偏好表达能力,将CPM算法与基于Apriori的算法以及CONTENUM算法进行了实验对比,实验的主要参数为最小支持度、最小可信度、数据规模等,实验结果进一步表明所提出的CPM算法可明显提高用户偏好规则的产生效率。     

考虑偏好反转的区间不确定多属性决策方法

针对实际决策中的不确定性和偏好反转问题, 提出一种区间不确定多属性决策方法. 该方法先用证据推理方法集结区间不确定评估信息, 采用累积前景理论代替主观期望效用理论以构建方案的综合前景价值, 从而应对不确定环境下可能的决策偏好反转, 最后区间可能度用于方案综合前景价值排序. 介绍了决策过程, 给出求解方案综合前景价值的非线性规划模型, 并通过实例验证了方法的可行性、合理性和有效性.     

动态信任感知的偏好演化模型研究

有界置信模型（bounded confidence model,BCM）是舆论动力学中对偏好演化进行建模的重要模型,但其假设个体会完全接受与之交流个体的偏好以及所有的个体会诚实表达其偏好与实际情况不符,存在明显不足。针对该问题,提出了一种动态信任感知的偏好演化模型（dynamic trust-aware preferences evolution model,DTPEM）。首先,引入偏好接受度算子建模个体对交互对象偏好的接受度;其次,引入动态信任度算子度量个体偏好表达的诚实程度;然后建模偏好差距对信任度的影响。基于智能体模拟仿真实验与其他模型进行对比,结果表明,DTPEM在偏好演化的准确度上有了较大幅度的提升。     

CP-nets的可满足性及一致性研究

CP-nets是一种简单而又直观的图形化偏好表示工具,成为近几年人工智能的一个研究热点,然而对于CP-nets的可满足性和一致性等相关性质的研究还很欠缺.既没有给出严格的定义,也没有探讨不同性质之间的联系,没有一个求可满足性序列的通用算法.从研究CP-nets的可满足性和一致性的关系着手,得出了任意结构二值CP-nets的可满足性判定算法及可满足性序列生成算法.首先通过构造CP-nets导出图及其性质的研究,得出CP-nets的可满足性及一致性的相关定理.再把不同性质结合起来分析,给出CP-nets可满足性等价于一致性的结论,从而利用拓扑排序的思想实现了任意结构二值CP-nets的可满足性序列的生成.强化和扩充了Boutilier所提出的一些概念,深化了CP-nets的基础理论研究.     

基于中间件技术的智能导购组件的设计与实现

网上购物发展到今天,如何体现“以客户为中心”,实现个性化服务是未来网上购物的发展趋势。提出了构建一种智能导购组件,购物网站通过集成该组件,可以根据客户的购买经历和购买倾向来向客户自动推荐其感兴趣的产品,并能根据用户的购买过程来自动获取用户个人购物偏好,从而使得商家能有针对性地为客户提供个性化服务。     

CP-nets的定性偏好决策及一致性推理

CPnets是一种简单而又直观的图形化偏好表示工具,特别适合描述不完全信息下的具有依赖关系的多属性 定性偏好决策。首先通过构造CP-net s导出图及对其性质的研究,得出强占优测试本质上是导出图上顶点之间的可 达性问题,从而利用图的深度优先通历算法实现了二值网的强占优测试;然后分别从无环图、有环图的角度给出CP- nets一致性的相关定理和性质,提出了判断一致性的3种方法,使得CP-nets的一致性问题得到解决;强化和扩充了 I3outilier所提出的一些概念,深化了CP-net s的基础理论研究。     

基于CP-nets 的偏好感知交互式遗传算法及其个性化搜索

针对用户显式评价导致用户疲劳,进而限制交互式遗传算法搜索性能的问题,研究基于用户交互行为和条件偏好网络(CP-nets)的隐式评价模式的交互式遗传算法,并将其应用于图书商品个性化搜索。首先,给出用户交互行为的数学描述,建立基于用户少量交互行为的条件偏好网络模型以拟合用户偏好;然后,利用CP-nets模型估计用户对进化个体的评价值,实施进化操作以帮助用户尽快找到满意解。在个性化搜索中的应用验证了所提出算法的有效性。     

基于个体偏好语义表述的群体协同人员优化配置方法

考虑到个体人员偏好的选择和配置对于群体协同的重要影响,提出了一种基于个体偏好语义表述的群体协同人员优化配置方法.首先,建立了人员个性偏好模型和群体协同的客观评价体系;然后,针对人员选择分配中出现的冲突问题,将协同人员的偏好语义表述转化成逻辑关系来协同人员配置,通过对逻辑关系的全局满意度矢量偏序图的分析,建立了群体优化协同人员选择与分配的方案.通过一个实例分析,说明了所提方法的有效性.     

任务级行动序列问题中的定性偏好研究

关注了一类典型行动序列,研究如何在动作集合上存在定性偏好,且偏好集合存在不一致性时开展规划。所考虑的行动序列问题称为任务级COA,以抽象层次的动作为基本要素,所考虑的定性偏好包括静态偏好和时序偏好,所讨论的规划目的是获得最大满意度的COA方案。首先建立了偏好与约束的归一化形式描述,在此基础上形成了COA方案设计算法;进一步,使用计算辩论技术排除偏好集合中的不一致性,形成用户接受度最高的COA方案。文中建立的以定性推理为基础的规划框架,实现了偏好解耦,能够适应不同的领域问题,是以定量计算为基础的传统规划算法的有效补充。通过快速响应卫星成像的COA案例,演示了算法的可行性。     

基于偏好不一致熵的有序决策

针对多规则有序决策系统中的偏好决策问题,根据有序决策的偏好不一致特性,提出了一种基于偏好不一致熵的偏好决策方法。首先,定义了样本的偏好不一致熵（PIEO）,用来度量特定样本相对于样本集的偏好不一致程度;然后,根据偏好决策中不同属性对决策的重要性不同的特点,提出了一种加权的样本偏好不一致熵,并结合属性偏好不一致熵在度量属性重要性方面的能力,给出了一种基于属性偏好不一致熵的权值的计算方法;最后,提出了一种基于样本偏好不一致熵的偏好决策算法。采用Pasture Production和Squalsh两个数据集进行仿真实验,基于全局偏好不一致熵分类后,各属性的偏好不一致熵普遍比基于向上和向下偏好不一致熵分类后的熵值小,而且更接近原始决策的偏好不一致熵,这说明基于全局偏好不一致熵的分类比其他两种情况的分类效果好。分类偏离度最小低至0.1282,这说明分类的结果比较接近原始决策。     

基于评分和项目特征的群组推荐方法

针对现有群组推荐方法准确率偏低的问题,提出了一种基于评分和项目特征相结合的方法。首先综合时间因素对评分的影响和项目领域特征,利用改进的TF-IDF方法构建成员在各个特征上的偏好模型。其次考虑群体用户间的相互作用,从项目特征属性均值相似性权重和特征属性频度权重两个方面来得到群体偏好模型。最后计算群组在项目特征上和评分上的综合相似度,进行预测评分并推荐。通过在MovieLens数据集上进行实验,表明本方法比现有方法的准确率有明显提高。     

具有偏好关系网络结构稳定的群决策协商控制模型

挖掘群决策偏好关系结构信息,提出决策者个体偏好与群体偏好关系以及网络结构稳定的群决策协商控制模型.根据模型提供个体偏好参考基准,计算决策者及群体的偏好相容性测度.通过决策者建立、取消(断开)或加强与其他决策者的链接以及对偏好信息进行调整的策略建议,促使决策者个体偏好、群决策偏好关系网络结构正向演化,在模型框架下保证群体偏好网络结构稳定,达到群体偏好信息相容性极大的目的,为进一步信息集结提供依据.     

融合知识图谱和短期偏好的推荐算法

近年来,将知识图谱作为辅助信息来增强推荐越来越受到研究者的关注.由于知识图谱学习任务的目标是还原知识图谱中三元组的关系,并非是以推荐任务为目标,导致了知识图谱学习任务很难高效地帮助推荐任务提升推荐性能.另外,用户兴趣易被短期的环境和心情所影响.针对以上两点,提出了一种融合了知识图谱信息和短期偏好的推荐模型(MKASR)...     

融合社交信息的局部潜在空间推荐方法

随着社交网络的发展,越来越多的研究利用社交信息来改进传统推荐算法的性能,然而现有的推荐算法大多忽略了用户兴趣的多样化,未考虑用户在不同社交维度中关心的层面不同,导致推荐质量较差.为了解决这个问题,提出了一种同时考虑全局潜在因子和不同子集特定潜在因子的推荐方法LSFS,使得推荐过程既考虑了用户共享偏好又考虑了用户在不同子集中的特定偏好.考虑到参与到不同社交维度的用户对不同的项目感兴趣,首先根据用户的社交关系将用户划分到不同的子集中;其次通过截断奇异值分解技术建模用户对项目的评分,其中全局潜在因子捕获用户共享的层面,而不同用户子集的特定潜在因子捕获用户关心的特定层面;最后,结合全局与局部潜在因子预测用户对未评分项目的评分.实验结果表明该方法可行且有效.