我想知道如何在我的推荐系统中使用模糊逻辑获得某种优势？
我的系统基本上通过以下方式计算用户之间的相似性：
然后将所有相似性组合成一个从0到1的度量。 因此，我们可以为用户1获得类似的用户，然后向他推荐与他相似的用户购买的商品。
我理解模糊理论的基础知识，在这里想不出任何用法，但想尝试一下 想听听有关这方面的任何想法。
答案 0 :(得分：0)
我没有在现实生活中看到过如此多的模糊逻辑成功应用，所以我不会对它有太大的期望。
如果您想不出任何用法，为什么要尝试？
答案 1 :(得分：0)
如果您的相似度值从0到1，则可以使用模糊逻辑来形式化您的系统。就像有一个返回true / false的系统，并试图用双值逻辑将其形式化。你刚刚获得正式化。
唯一的优点是可以对数字进行去模糊化（使用类似非常相似的模糊词，......），但是你也可以在没有模糊逻辑的情况下做到这一点......