本文通過對推薦繫統中用戶相似度的設計優化，解決了目前推薦繫統中“確定的”數據無法準確描述人類模糊性情感的問題展開。推薦繫統中相似度研究的優選目標是盡可能的模擬人對研究對像的主觀感受，從工程角度來說是模擬同主觀認知盡可能一致的客觀相似度組合模型。主觀尋找相似用戶的過程可分為“感知、理解和評價”三個階段，基於此，本文提出了一種符合主觀特點的客觀相似度組合模型框架，主要工作圍繞三個階段展開如下：本文從代表性的相似度算法分析入手，分析影響用戶評分行為的相似性因素。同時，針對目前確定性數值化評分無法精準描述主觀模糊判斷的問題，采用三角模糊數的手段對主觀情感模糊化，更貼近人類非確定的表達習慣。並提出了新的用戶評分相似度，實現了用戶相似性多角度模糊感知工作。其次，針對數據稀疏性和冷啟動等問題，本文引入外部屬性數據在局部感知用戶評分相似性的基礎上全局理解用戶相似度，最後設計出具有“因果”關繫的多層上下文可等
