[发明专利]一种多准则目标决策方法及装置

摘要

本发明公开了一种多准则目标决策方法，包括：S1.用户输入决策对象(目标)；S2.确定准则集合，该集合必须是完备且非冗余的，定义语义变量，输入用户偏好信息，输入系统用到的其它参数信息；S3.依据准则的不同类型，计算每个准则的权重；S4.依据用户输入项目、定义的准则、参数信息，生成多准则原始评分矩阵；然后依次对原始评分矩阵用三角模糊数及加权处理得到加权用户-项目评分矩阵；S5.使用经过修改的模糊TOPSIS方法将不同准则下的评分值聚集成目标的整体贴近度。S6.分别用基于内容的推荐和协同过滤推荐计算的线性组合对S5得到的贴近度进行进步的处理，并对两种算法结果进行线性组合；S7.为某个特定用户将结果从最优到最劣排序，推荐给用户。本发明还公开了一种多准则目标决策装置。发明在多准则环境下可以显著的提供推荐的准确性和用户满意度。

主权项

一种多准则目标决策方法，其特征在于，包括：S1.用户输入决策对象(目标)；S2.针对输入的决策对象，确定一组准则集合，该集合必须是完备且非冗余的，并定义语义变量，输入用户偏好信息；输入系统其它参数信息；S3.依据准则的不同类型，计算每个准则的权重；S4.根据S2，生成多准则评分u是代表用户，i代表项目；输入的多个决策对象，构成用户‑项目评分矩阵R，用三角模糊数对矩阵R进行处理，得到模糊用户‑项目评分矩阵利用S3得到的权重，对模糊用户‑项目评分矩阵进行加权处理，得到加权用户‑项目评分矩阵S5.使用修改过的模糊TOPSIS方法来将项目不同准则下的评分值聚集成目标对象的贴近度。具体做法是用设定的模糊正理想解和模糊负理想解对S4的矩阵进行处理，处理方式是和然后计算目标对象的贴近度，计算方法是S6.分别用基于内容的推荐技术和协同过滤推荐技术对S5得到的贴近度进行计算，并对两种算法结果进行线性组合，得到更符合用户心理需求，更准确的推荐结果。S7.依据预测出的贴近度结果，为某个特定用户将结果从最优到最劣排序，推荐给用户。