本文關(guān)鍵詞： 魯棒推薦算法 托攻擊 矩陣分解 模糊核聚類 支持向量機　出處：《電子與信息學報》2017年08期 　論文類型：期刊論文

【摘要】：該文針對現(xiàn)有推薦算法在面對托攻擊時魯棒性不高的問題,提出一種基于模糊核聚類和支持向量機的魯棒推薦算法。首先,根據(jù)攻擊概貌間高度相關(guān)的特性,利用模糊核聚類方法在高維特征空間對用戶概貌進行聚類,實現(xiàn)攻擊概貌的第1階段檢測。然后,利用支持向量機分類器對含有攻擊概貌的聚類進行分類,實現(xiàn)攻擊概貌的第2階段檢測。最后,基于攻擊概貌檢測結(jié)果,通過構(gòu)造指示函數(shù)排除攻擊概貌在推薦過程中產(chǎn)生的影響,并引入矩陣分解技術(shù)設(shè)計相應的魯棒協(xié)同推薦算法。實驗結(jié)果表明,與現(xiàn)有的基于矩陣分解模型的推薦算法相比,所提算法不但具有很好的魯棒性,而且準確性也有提高。
[Abstract]:In this paper, a robust recommendation algorithm based on fuzzy kernel clustering and support vector machine (SVM) is proposed to solve the problem of poor robustness of the existing recommendation algorithms in the face of support attack. Firstly, according to the characteristics of high correlation between the attack profiles, this paper proposes a robust recommendation algorithm based on fuzzy kernel clustering and support vector machine. The fuzzy kernel clustering method is used to cluster the user profile in high dimensional feature space, and the first stage detection of attack profile is realized. Then, support vector machine classifier is used to classify the cluster with attack profile. Finally, based on the result of attack profile detection, the influence of attack profile in the process of recommendation is excluded by constructing indicator function. And the matrix decomposition technology is introduced to design the corresponding robust collaborative recommendation algorithm. The experimental results show that the proposed algorithm not only has good robustness compared with the existing recommendation algorithm based on matrix decomposition model. And the accuracy has also improved.
【作者單位】： 燕山大學信息科學與工程學院;河北省計算機虛擬技術(shù)與系統(tǒng)集成重點實驗室(燕山大學);遼寧工業(yè)大學電子與信息工程學院;
【基金】：國家自然科學基金(61379116) 河北省自然科學基金(F2015203046) 遼寧省教育廳科學研究項目(L2015240)~~
【分類號】：TP391.3
【正文快照】： (2)(河北省計算機虛擬技術(shù)與系統(tǒng)集成重點實驗室(燕山大學)秦皇島066004)(3)(遼寧工業(yè)大學電子與信息工程學院錦州121001)協(xié)同過濾推薦系統(tǒng)作為電子商務快速發(fā)展的一個重要產(chǎn)物,能夠為人們提供精確又快速的推薦[1,2]。由于推薦系統(tǒng)的開放特性,一些商家為了個人利益蓄意偽造虛

【參考文獻】

相關(guān)期刊論文 前8條

1 李文濤;高e，

本文編號：1463696