Artificial intelligence 模糊逻辑在推荐系统中的应用

我想知道在我的推荐系统中使用模糊逻辑如何能获得某种优势

我的系统基本上通过以下方式计算用户之间的相似性：

• 谷本系数
• 余弦距离
• 离散距离

然后将所有相似性合并为一个从0到1的度量值。 因此，我们可以为用户1找到相似的用户，然后向他推荐与他相似的用户购买的商品

我了解模糊理论的基本知识，只是想不出在这里有什么用法，但想试试

---

我想听听你对此有什么想法。

我还没有看到模糊逻辑在现实生活中有如此多的成功应用，所以我不会对它期望太高

---

如果你想不出任何用法，为什么要尝试它？

如果你的相似度值从0到1，你可以使用模糊逻辑来形式化你的系统。就像有一个返回真/假的系统，并尝试用双值逻辑将其形式化。你只是得到了形式化

---

唯一的优点是可以将数字模糊化（使用模糊词，如非常相似，不太相似，…），但也可以不用模糊逻辑

要获得该理论的工作经验，并更好地理解：）