随着国内Internet使用人数的增加,利用Internet进行网络购物并以银行卡付款的消费方式已渐流行,市场份额也在快速增长,电子商务网站也层出不穷。电子商务已经渗透到我们生活中的各个领域。在线商品评价是电子商务的关键技术。由于消费者对在线商品的评价都带有主观性和不确定性,而基于二型模糊集的二型模糊系统已经成为处理不确定性、模糊性和不精确性建模问题的成功方法。本文对基于二型模糊系统的评价模型进行研究并将其应用到商品推荐系统。二型模糊集的降型是二型模糊系统应用中的重要部分。能够最快地解决区间二型模糊集的降型问题是很重要的。为了提高计算效率,目前为止,许多种迭代算法相继被提出。KM算法是计算区间二型模糊集质心常用的方法,尽管研究已表明KM算法迭代过程是单调收敛且呈现出超指数收敛,然而KM算法需要多次迭代才能够达到收敛,而且每次迭代需要大量的数值计算。因此,本文首先针对KM算法的计算量大、计算时间长等缺点,对KM算法进行了拓展,提出改进的区间二型模糊集降型方法。本文提出的新算法N-EIASC是在EIASC算法的基础上进行改进的,主要从算法的初始条件、算法过程和终止判断条件几个方面进行优化,并通过数值模拟表明新算法N-EIASC的计算效率比现有的几种算法都高。其次,针对二型模糊评价应用,提出了一种改进的二型TOPSIS方法,弥补了传统TOPSIS方法不能处理不确定性数据的缺陷,将二型模糊集引入TOPSIS方法。而且针对现有二型TOPSIS方法中由于Rank公式的引入而导致不能始终保持数据二型模糊集的缺陷,给出了“正理想解”和“负理想解”的新定义,避免了信息的丢失,而且对计算过程也进行了优化,通过N-EIASC算法计算能够提高计算效率,计算步骤中也不再采用复杂的距离公式计算,采用更简洁的计算公式,使得计算效率更高。通过算例表明改进的二型TOPSIS方法比现有二型TOPSIS方法的优越性。最后,将区间二型模糊集的降型法与改进的二型TOPSIS法相结合应用到在线商品评价中。结果表明二型模糊系统评价方法用于商品推荐的合理性。本文用二型模糊系统解决在线商品评价问题,不仅可以促进二型模糊系统的理论研究,而且可以为电子商务的个性化提供决策支持。