随着信息互联网技术的发展和用户个性消费需求的突显,个性化推荐已经被公认为是解决“信息过载”与用户个性化需求的有效方法。但是,个性化推荐中普遍存在的不精确性信息与模糊信息,大大降低了推荐的准确性。因此,研究不确定性信息下的个性化推荐模型及应用,给出提高个性化推荐准确性的策略建议,显得越来越重要。为了提高不确定性信息下个性化推荐的准确性,充分体现个性化推荐的作用,本文将双论域粗糙集的知识推理方法应用到个性化推荐中。首先进行知识库的构建与个性化推荐模型的理论研究;其次针对个性化推荐中的不精确性信息问题,提出基于变精度双论域粗糙集的个性化推荐方法,重点研究企业如何根据用户属性特征与个性化需求,向用户推荐商品的问题。本文通过计算属性相关度,提出基于置信度的知识库构建方法,并利用SQL语言实现,在双论域粗糙集模型中引入了分类精度与?、?参数,计算变精度双论域粗糙集上、下近似算子,提取决策规则,构建基于变精度双论域粗糙集的个性化推荐模型;再次针对定性指标下,用户对决策方案中商品属性值的确定带有主观性,以及对购买意向的表达存在模糊性的问题,提出基于双论域直觉模糊粗糙集的个性化推荐方法,重点研究用户如何选择企业推荐的商品问题。本文利用基于属性重要度的排序方法构建直觉模糊知识库,通过计算双论域直觉模糊粗糙集上、下近似算子,构建基于双论域直觉模糊粗糙集的个性化推荐模型;最后将模型应用于服装个性化推荐中,利用综合指标F-Measure和整体多样性评估说明该模型的有效性,并提出策略建议。综上所述,本文不仅提出了新的知识库构建方法,对粗糙集进行了论域扩展与应用研究,而且能够有效克服个性化推荐中的不确定性信息,最大限度满足用户个性化需求,实现企业与用户双赢。