Kansei Retrieval Agent Model with Fuzzy Reasoning
Kansei Retrieval Agent Model with Fuzzy Reasoning
复制标题
模糊推理感性检索代理模型
DOI：
10.1007/s40815-017-0360-8
复制
发表时间：
2017
影响因子：
4.3
通讯作者：
Masataka Tokumaru
中科院分区：
文献类型：
--
作者：
H. Takenouchi;Masataka Tokumaru
我们提出了感性检索代理（KRA）模型与模糊推理感性检索系统的基础。在我们的系统中，KRA学习用户的喜好的基础上，从一个大型数据库中的项目的用户评价。该系统采用模糊推理的KRA模型来表达用户的喜好，通过使用的if-then规则，并获得用户的喜好，使用语言信息。所提出的方法优化隶属函数参数，即，模糊推理的中心值和峰度，通过使用遗传算法的各种项目的用户评价。我们进行了数值模拟，以证明所提出的方法的有效性。在仿真中，我们使用伪用户而不是真实的用户，并检查与所提出的方法的KRA的进化性能。实验结果表明，该方法能够有效地学习用户评价标准。
We propose a Kansei retrieval agent (KRA) model with fuzzy reasoning as the basis for a Kansei retrieval system. In our system, the KRA learns user preferences on the basis of user evaluation of items from a large database. The system employs fuzzy reasoning for the KRA model to express user preferences by using the if–then rules and obtains user preferences using linguistic information. The proposed method optimizes membership function parameters, i.e., the center values and kurtosis of fuzzy reasoning, via user evaluation of various items by using a genetic algorithm. We performed a numerical simulation to demonstrate the effectiveness of the proposed method. In the simulation, we used pseudo users instead of real users and examined the evolutionary performance of the KRA with the proposed method. The results showed that the proposed method was effective in learning user evaluation criteria.