咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于用户声誉的鲁棒协同推荐算法 收藏

基于用户声誉的鲁棒协同推荐算法

Robust Collaborative Recommendation Algorithm Based on User's Reputation

作     者:张燕平 张顺 钱付兰 张以文 ZHANG Yan-Ping;ZHANG Shun;QIAN Fu-Lan;ZHANG Yi-Wen

作者机构:安徽大学计算机科学与技术学院合肥230601 安徽大学智能计算与信号处理教育部重点实验室合肥230601 

出 版 物:《自动化学报》 (Acta Automatica Sinica)

年 卷 期:2015年第41卷第5期

页      面:1004-1012页

核心收录:

学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国家自然科学基金(61175046) 安徽大学青年科学基金(KJQN1116) 安徽省自然科学基金项目(1408085MF132) 教育部人文社科青年基金(14YJC860020)资助~~ 

主  题:推荐系统 协同过滤 声誉 托攻击 

摘      要:随着推荐系统在电子商务界的快速发展以及取得的巨大经济收益,有目的性的托攻击是目前协同过滤系统面临的重大安全威胁,研究一种可抵御攻击的鲁棒推荐技术已成为目前推荐系统领域的重要课题.本文利用历史记录得到用户声誉,建立声誉推荐系统,并结合协同过滤推荐领域内的隐语义模型,提出基于用户声誉的隐语义模型鲁棒协同算法.本文提出的算法从人为攻击和自然噪声两个方面对系统的鲁棒性进行了改善.在真实的数据集Movielens 1M上的实验表明,与现有的鲁棒性推荐算法相比,这种算法具有形式简单、可解释性强、稳定的特点,且在精度得到一定提升的情况下大大增强了系统抵御攻击的能力.

读者评论 与其他读者分享你的观点