电子商务技术近年来快速兴起,推荐系统因其解决信息超载问题功能强大,关注度日益提高。多准则模糊决策问题普遍存在于决策领域并有着广泛的应用背景,其研究越来越深入。Vague集是处理模糊信息的一种新技术,近年来飞速发展,目前已成功应用于包括模式识别、智能决策、模糊控制、图像检索等在内的诸多领域。因此,研究Vague集相关理论及基于Vague集的智能推荐和模糊决策问题,已成为数据挖掘领域的重要研究方向。本文将模糊信息处理中的Vague集理论应用到电子商务推荐和模糊决策问题中,并对与此相关的一些关键技术进行了探索性研究,研究内容包括Vague集与Fuzzy集的关系、Vague集的相似度量、Vague集的直接聚类算法、Vague集的记分函数、基于Vague集的推荐算法、Vague集的扩展模型及在多准则模糊决策中的应用等。论文的主要创新点有：(1)针对已有Fuzzy集转换为Vague集的算法只能转化小数点后两位Fuzzy值的问题,提出了一种新的Fuzzy集转换为Vague集的方法,并将其应用于电子商务推荐系统中。此方法可以转化小数点后任意位的Fuzzy值数据。(2)针对已有Vague集相似度量算法大部分都是基于距离测度的,只关注Vague集属性值之间的差异,没有充分考虑Vague集属性值本身所含语义的相似性,提出了基于信息相似系数的Vague集相似度量算法,在此基础上设计了一种新的基于Vague集的直接聚类算法(ISCC-VSM算法),并将其应用于电子商务推荐系统。实验结果表明该算法是一种切实有效的Vague集的直接聚类算法。(3)提出了CBRA-VS和CFRA-VS两种推荐算法。CBRA-VS算法首先对待推荐数据进行约简,约去冗余的、与分类无关的信息,再将待推荐Fuzzy值数据集转化为Vague值,然后基于信息相似系数的Vague集相似度量公式(ISC-VSM)计算商品间的相似度,最后通过计算各商品的权重得出推荐公式。对相关数据集的对比实验结果表明,CBRA-VS算法优于其他同类算法,是一种有效的内容推荐算法。CFRA-VS算法首先对用户—项目评级矩阵进行约简,再利用新的Fuzzy集转化为Vague集算法将用户—项目评级矩阵转化为Vague矩阵,然后基于信息相似系数的Vague集相似度量直接聚类算法(ISCC-VSM算法)进行聚类,得到项目相似性矩阵,经补值处理后得到完全用户—项目评价矩阵,最后进行相似用户聚类得到推荐序列。对Jester笑话评分数据集的对比实验结果表明,CFRA-VS算法优于其他同类算法,是一种有效的协同过滤推荐算法。(4)将Vague集的扩展模型—Vague软集引入多准则模糊模糊决策问题进行研究,提出了一种基于Vague软集的多准则模糊决策算法(FMCDM_VSS算法)。该算法首先基于Vague软集之间的复合运算计算约束条件下各候选方案的属性关系,然后利用基于联系数势函数的Vague集记分函数计算得分值并排序。对汽车购买的决策实验结果表明,FMCDM_VSS算法是一种有效的基于、Vague软集的多准则模糊决策算法。