發(fā)布時(shí)間：2017-04-16 02:22

  本文關(guān)鍵詞：基于有序項(xiàng)目序列的推薦攻擊集成測(cè)方法，，由筆耕文化傳播整理發(fā)布。

【摘要】：網(wǎng)絡(luò)的快速發(fā)展讓人們感覺到了前所未有的方便,人們足不出戶就可以購(gòu)物、交流、休閑和娛樂(lè)等等。但互聯(lián)網(wǎng)帶來(lái)的副作用也顯而易見,當(dāng)人們面對(duì)海量信息時(shí)往往手足無(wú)措、難以辨別真?zhèn)�、無(wú)從選擇,我們把這種現(xiàn)象稱為“信息過(guò)載”。協(xié)同過(guò)濾推薦系統(tǒng)很好的解決了“信息過(guò)載”的問(wèn)題,而且應(yīng)用廣泛,其應(yīng)用領(lǐng)域包括電子商務(wù)、多媒體和社交網(wǎng)絡(luò)等。需要說(shuō)明的是協(xié)同過(guò)濾推薦系統(tǒng)并非完美,由于推薦系統(tǒng)自身的缺陷導(dǎo)致某些攻擊者為了商業(yè)利益對(duì)各種商品進(jìn)行推薦攻擊,給終端用戶做出不真實(shí)的推薦,這最終導(dǎo)致人們改變了最初對(duì)推薦系統(tǒng)的信任態(tài)度。為了解決這個(gè)問(wèn)題,學(xué)者們研究出了許多針對(duì)推薦系統(tǒng)攻擊檢測(cè)方法,這些方法主要解決的核心問(wèn)題為降低誤報(bào)率和提高準(zhǔn)確率。針對(duì)有監(jiān)督檢測(cè)方法在推薦攻擊檢測(cè)時(shí)準(zhǔn)確率不高的問(wèn)題,本文提出一種基于有序項(xiàng)目序列的推薦攻擊集成檢測(cè)方法。首先,通過(guò)分析真實(shí)用戶概貌和攻擊概貌在評(píng)分模式上的差異,構(gòu)建有序流行項(xiàng)目序列和有序新穎項(xiàng)目序列,依據(jù)這兩條項(xiàng)目序列構(gòu)建每個(gè)用戶概貌的流行項(xiàng)目評(píng)分序列和新穎項(xiàng)目評(píng)分序列。其次,根據(jù)每個(gè)用戶的流行項(xiàng)目評(píng)分序列和新穎項(xiàng)目評(píng)分序列得到用戶評(píng)分流行度和用戶評(píng)分新穎度兩個(gè)特征,根據(jù)有序流行項(xiàng)目序列和有序新穎項(xiàng)目序列劃分項(xiàng)目集合并結(jié)合互信息知識(shí)提取四個(gè)特征。最后,提出一種推薦攻擊集成檢測(cè)框架,通過(guò)Bootstrap重抽樣技術(shù)生成多個(gè)差異較大的基訓(xùn)練集,訓(xùn)練生成多棵決策樹基分類器,檢測(cè)時(shí)使用簡(jiǎn)單多數(shù)投票方式將每個(gè)基分類器的預(yù)測(cè)值進(jìn)行融合得到最終的檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果表明基于有序項(xiàng)目序列的推薦系統(tǒng)集成檢測(cè)方法具有較高的準(zhǔn)確率和召回率。
【關(guān)鍵詞】：協(xié)同過(guò)濾推薦 托攻擊 特征提取 集成檢測(cè) 有序項(xiàng)目序列
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.08;TP391.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-16
• 1.1 研究背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.3 本文的主要研究?jī)?nèi)容13-14
• 1.4 本文的組織結(jié)構(gòu)14-16
• 第2章 協(xié)同過(guò)濾推薦技術(shù)及攻擊模型介紹16-26
• 2.1 協(xié)同過(guò)濾推薦技術(shù)16-19
• 2.1.1 基于用戶的協(xié)同過(guò)濾推薦算法17-19
• 2.1.2 基于項(xiàng)目的協(xié)同過(guò)濾推薦算法19
• 2.2 協(xié)同過(guò)濾推薦系統(tǒng)中出現(xiàn)的攻擊模型介紹19-23
• 2.2.1 面向協(xié)同過(guò)濾的推薦攻擊檢測(cè)技術(shù)20-21
• 2.2.2 推薦攻擊檢測(cè)中的相關(guān)概念21-22
• 2.2.3 常見的攻擊模型介紹22-23
• 2.3 機(jī)器學(xué)習(xí)相關(guān)知識(shí)介紹23-25
• 2.3.1 支持向量機(jī)算法介紹23-24
• 2.3.2 決策樹算法介紹24-25
• 2.4 本章小結(jié)25-26
• 第3章 基于有序項(xiàng)目序列的特征提取26-35
• 3.1 有序項(xiàng)目序列的生成26-29
• 3.1.1 生成有序流行項(xiàng)目序列26-28
• 3.1.2 生成有序新穎項(xiàng)目序列28-29
• 3.2 特征提取29-33
• 3.3 特征提取算法33-34
• 3.4 本章小結(jié)34-35
• 第4章 推薦攻擊集成檢測(cè)方法35-42
• 4.1 集成檢測(cè)方法介紹35
• 4.2 基分類器的生成35-37
• 4.2.1 生成基訓(xùn)練集35
• 4.2.2 決策樹分類器的生成35-36
• 4.2.3 集成檢測(cè)36-37
• 4.3 集成檢測(cè)算法的描述37-40
• 4.3.1 基訓(xùn)練集生成算法37-39
• 4.3.2 推薦攻擊集成檢測(cè)算法描述39-40
• 4.4 本章小結(jié)40-42
• 第5章 實(shí)驗(yàn)驗(yàn)證與分析42-54
• 5.1 全文的整體框架42
• 5.2 實(shí)驗(yàn)數(shù)據(jù)和實(shí)驗(yàn)環(huán)境42-43
• 5.2.1 實(shí)驗(yàn)數(shù)據(jù)42
• 5.2.2 對(duì)比實(shí)驗(yàn)介紹42-43
• 5.2.3 數(shù)據(jù)生成43
• 5.2.4 實(shí)驗(yàn)環(huán)境43
• 5.3 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)43-44
• 5.4 實(shí)驗(yàn)及結(jié)果分析44-52
• 5.4.1 信息增益44-45
• 5.4.2 召回率對(duì)比45-47
• 5.4.3 準(zhǔn)確率對(duì)比47-50
• 5.4.4 綜合指標(biāo)F1-measure對(duì)比50-52
• 5.5 本章小結(jié)52-54
• 結(jié)論54-56
• 參考文獻(xiàn)56-61
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果61-62
• 致謝62-63
• 作者簡(jiǎn)介63

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 李聰;駱志剛;;基于數(shù)據(jù)非隨機(jī)缺失機(jī)制的推薦系統(tǒng)托攻擊探測(cè)[J];自動(dòng)化學(xué)報(bào);2013年10期

2 賈大文;曾承;彭智勇;成鵬;陽(yáng)志敏;盧舟;;一種基于用戶偏好自動(dòng)分類的社會(huì)媒體共享和推薦方法[J];計(jì)算機(jī)學(xué)報(bào);2012年11期

3 鄧愛林,朱揚(yáng)勇,施伯樂(lè);基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法[J];軟件學(xué)報(bào);2003年09期

  本文關(guān)鍵詞：基于有序項(xiàng)目序列的推薦攻擊集成測(cè)方法，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：309804