基于群体共识算法的深度学习推荐系统评价

摘要

针对群决策过程中专家群体共识水平不高的问题,构建一种基于调整成本最小化的群决策算法。该算法在三个层面定义一致性-共识性测度,用于衡量模糊判断矩阵的一致性和共识性水平;建立基于最小调整成本的共识调整反馈机制来识别需要调整的决策者和偏好值;建立以共识调整总成本最小为目标函数的最优化模型计算每个决策者的最优调整参数和共识阈值上界;设计基于调整成本最小化的群决策算法,并验证其收敛性。通过深度学习推荐系统的优选实验表明,构建的群决策算法在成本和效率方面更有效。