随着互联网的普及与运用,电脑、手机购物迅速流行开来,个性化推荐系统成为互联网和电子商务发展的必需品。个性化推荐系统能够在信息爆炸的时代为用户过滤无关信息,使其轻松找到自已需要的物品,更可贵的是,个性化推荐系统可以根据用户信息为其推荐超乎其意料之外的物品。然而众多的个性化推荐系统都面临着用户评分缺失这一现实性问题,并且个性化推荐系统中涉及的用户信息多用语言形式来表述,因此需要寻求一种新的用户与商品之间的对应关系来代替用户-项目评分。本文首先研究了区间二型模糊环境下的等价关系聚类算法。讨论了模糊等价关系聚类算法相对于模糊C-均值算法的优势,前者能够弥补后者需要提前确定聚类数的缺陷,为决策者提供动态的聚类结果。在区间二型模糊数相似度计算方法的基础上详细阐述了新聚类算法的计算步骤,并应用语言变量环境下的电子商务推荐手机的案例验证了算法的灵活性和优越性。研究发现基于二型等价关系的聚类算法中对象之间相似度的计算有利于个性化推荐系统中邻居用户的发现。然后,本文研究了区间二型网络分析法在多准则决策中的应用。先是将一型模糊排序方法拓展到区间二型模糊集中,在此基础上,详述了二型网络分析法的计算步骤,并将新决策方法应用到语言变量描述的企业创新能力评价的实例中,并对评价结果进行分析,验证了新算法的可行性和有效性。最后,本文还把基于二型模糊等价关系的聚类算法和区间二型网络分析法应用到电子商务平台上的社交网络个性化推荐系统中。通过计算得到用户和商品的动态聚类结果,通过对聚类结果的分析得到用户与商品的对应关系,验证了区间二型多准则决策方法在个性化推荐系统应用中的优越性。