模糊量词在理论分析(计算机科学特别是人工智能)及实际应用中具有重要作用。个性化模糊量词,具有较强的个体针对性,能够很好地反映用户的主观偏好、决策态度等个性特征,近年来逐渐成为众多研究者关注的焦点内容。本论文以提高个性化模糊量词的性能为目标,采取期望值提取→个性化模糊量词建模→个性化产品推荐的分析思路,旨在提出一种新颖精巧的期望值提取模型,据此建立基于用户偏好的个性化模糊量词,并将其应用于个性化产品推荐中。本文具体研究内容如下:(1)基于偏好诱导量词的个性化推荐模型。为得到更加有效的个性化模糊量词,以便提高个性化模糊量词的性能,应用OWA(ordered weighted averaging)思想及TOPSIS(technique for order preference by similarity to ideal solution)方法,提出一种新颖精巧的用户期望值提取模型,据此建立基于用户偏好的个性化模糊量词,并将其应用于个性化产品推荐中。所提模型及方法能够很好地反映出用户的偏好/态度等个性特征,对用户的能力水平、专业知识、经历经验等差异性特质无特殊要求。(2)在前景理论的拓展研究。针对构建个性化模糊量词的关键数据信息,即用户期望值,展开更深层次的研究。事实上,用户期望值所渗透的实质上是参照点思想,而参照点作为前景理论的核心内容,对前景理论中相关模型的性能起至关重要的作用。因此,本文将(1)中所提用户期望值提取模型引入到前景理论中,有效解决了前景理论中传统参照点获取方法所存在的若干问题,为前景理论中参照点的获取来源提供了一个新的参考方向。案例研究及实验分析表明,所提模型及方法能够很好地捕获并反映主体的偏好及态度等个性特征,在实际应用中可面向不同层次水平、不同知识结构的用户,理性快捷地向其推荐相应态度偏好下的“最满意方案”而非一般意义下的“最优方案”,相比同类方法具有更大的实用性和灵活性。