隨著計(jì)算機(jī)的普及與互聯(lián)網(wǎng)技術(shù)的提高,如何高效獲取信息、利用信息逐漸成為一項(xiàng)新的挑戰(zhàn)。推薦系統(tǒng)的出現(xiàn)有效地緩解了信息過載的現(xiàn)象,給用戶提供了一種個(gè)性化的信息獲取方式。隨著推薦算法在生活各方面的應(yīng)用變得越來越廣泛,且推薦系統(tǒng)本身具有開放性,因此針對(duì)推薦系統(tǒng)的托攻擊（Shilling Attack）問題變得越來越不可忽視。托攻擊的發(fā)起者通過向推薦系統(tǒng)中大量注入虛假用戶概貌來改變推薦系統(tǒng)的推薦排名,而這嚴(yán)重破壞了推薦系統(tǒng)的生態(tài)平衡,并可能因此造成大量的經(jīng)濟(jì)損失。因此,對(duì)托攻擊進(jìn)行研究意義重大,并已逐漸成為推薦系統(tǒng)研究領(lǐng)域的一個(gè)熱點(diǎn)�，F(xiàn)有的托攻擊研究更加注重對(duì)用戶-評(píng)分矩陣的研究。本文主要基于托攻擊的時(shí)間序列對(duì)托攻擊進(jìn)行檢測(cè),并從用戶時(shí)間序列特征和目標(biāo)項(xiàng)目時(shí)間序列分析兩個(gè)方面對(duì)托攻擊進(jìn)行研究。本文的主要工作包括:（1）對(duì)正常用戶和虛假用戶的時(shí)間序列進(jìn)行分析,提出三種新的針對(duì)時(shí)間序列的用戶概貌特征評(píng)分密度偏離度（Density Deviation from Mean Agreement,DDMA）、評(píng)分滯后度（Degree of Rating Lag,DRL）、平均相鄰時(shí)間間隔（Average A... 

【文章來源】：廣州大學(xué)廣東省

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

托攻擊檢測(cè)的研究方法

基于項(xiàng)目的協(xié)同過濾

基于用戶的協(xié)同過濾表2-2基于用戶的協(xié)同過濾


本文編號(hào)：3545952