随着科学技术的不断进步,事物所处环境越来越复杂化,提高了信息表达的不确定性。直觉模糊集理论能够很好的诠释人们对客观不确定性事物描述的惯性思维,自提出以来一直备受关注,被应用于模式识别、数据挖掘、信息安全等领域,也成为了决策领域的一个重点研究方向。直觉模糊集相似性测度旨在描述两个直觉模糊集的接近或相似程度,是近年来直觉模糊集领域一个重要的研究方向。区间直觉模糊集是直觉模糊集的一种主要扩展形式,已有广泛的应用。目前,已有的直觉模糊集或区间直觉模糊集相似度存在的主要问题有:相似度计算结果与直觉不符,在相似度比较时区分度不明显,实际应用的效果较差。因此,针对以上问题,论文通过分析直觉模糊集中蕴含的决策信息,分别提出了新的直觉模糊集相似度与区间直觉模糊集相似度,并应用于电子商务平台个性化推荐绩效评估等现实决策问题中。基于此,论文的主要研究成果有:(1)对现有直觉模糊数的相似度函数做了较为完整的描述,分析了其与相似度定义的匹配程度;其次,分析了直觉模糊集相似度部分性质应用的局限性,依据记分函数来比较直觉模糊数的大小,进而重新定义了直觉模糊集的相似度性质;再次,针对重新定义的相似度性质,设计了一种新的直觉模糊集相似度度量模型;最后通过算例分析验证本文方法的有效性和对决策结果的区分度。(2)直觉模糊集的隶属关系不能完全适用于区间直觉模糊集,故其相似度测度模型与特征条件难以实现完全匹配。论文首先归纳现有区间直觉模糊集相似度构建方法,分析相似度与其条件匹配的冲突性,然后基于几何距离和重心设计了一种新的区间直觉模糊集相似度模型;最后分析了本文模型的优越性和应用价值。(3)在全面剖析个性化推荐内容、转化过程和推荐结果的基础上,深入分析影响个性化推荐绩效改进和耦合关系的关键要素,设计了评价指标体系和评价模型。最后,基于本文提出的相似度方法对电商平台个性化推荐绩效进行评估。