本文關(guān)鍵詞：基于非負(fù)矩陣分解的魯棒推薦算法研究

  更多相關(guān)文章： 托攻擊 魯棒協(xié)同過(guò)濾 1R范數(shù) 損失函數(shù) 非負(fù)矩陣分解 信息熵 正則化

【摘要】：協(xié)同過(guò)濾推薦技術(shù)面對(duì)惡意用戶(hù)向系統(tǒng)中注入虛假概貌來(lái)控制推薦結(jié)果的托攻擊表現(xiàn)出了脆弱性。雖然已有的研究已經(jīng)提出來(lái)了一些基于矩陣分解的魯棒推薦算法,但是這些算法仍然表現(xiàn)出來(lái)面對(duì)托攻擊時(shí)的脆弱性和推薦精度較低的問(wèn)題。針對(duì)上述問(wèn)題,本文在已有研究的基礎(chǔ)上,從損失函數(shù)的構(gòu)造、用戶(hù)特征的提取、異常值檢測(cè)等方面對(duì)魯棒協(xié)同過(guò)濾算法進(jìn)行了深入研究,旨在研究推薦精度高、魯棒性好的魯棒協(xié)同過(guò)濾推薦算法。主要貢獻(xiàn)包括:第一,提出一種基于非負(fù)矩陣分解的協(xié)同過(guò)濾推薦算法。首先,基于1R范數(shù)構(gòu)造魯棒正則化損失函數(shù),利用其沒(méi)有平方項(xiàng)的特點(diǎn),降低了托攻擊對(duì)參數(shù)估計(jì)的影響。其次,在引入非負(fù)矩陣分解的迭代更新策略基礎(chǔ)上,提出用戶(hù)、項(xiàng)目特征矩陣的迭代優(yōu)化方法,從而保證了預(yù)測(cè)評(píng)分的準(zhǔn)確性和非負(fù)性。再次,構(gòu)造相應(yīng)的魯棒協(xié)同過(guò)濾算法,并給出了算法的穩(wěn)定性分析,在理論上證明了推薦算法的穩(wěn)定性。第二,提出一種基于信息熵和非負(fù)矩陣分解的魯棒推薦算法。首先,基于信息熵衡量信息價(jià)值的理論,提出了異常值過(guò)濾方法,減小了攻擊概貌對(duì)參數(shù)估計(jì)的影響。其次,利用1R范數(shù)構(gòu)造正則項(xiàng),從而得到更加魯棒的正則化損失函數(shù),進(jìn)一步保證了推薦算法的魯棒性。再次,根據(jù)非負(fù)矩陣分解的迭代策略,構(gòu)造了保證評(píng)分非負(fù)的隨機(jī)梯度下降的迭代策略,從而得到了準(zhǔn)確且預(yù)測(cè)非負(fù)的推薦算法。第三,設(shè)計(jì)相應(yīng)的魯棒協(xié)同過(guò)濾算法,并在MovieLens數(shù)據(jù)集上驗(yàn)證算法的有效性并與現(xiàn)有的基于矩陣分解的魯棒協(xié)同過(guò)濾算法進(jìn)行比較。
【關(guān)鍵詞】：托攻擊 魯棒協(xié)同過(guò)濾 1R范數(shù) 損失函數(shù) 非負(fù)矩陣分解 信息熵 正則化
【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(lèi)號(hào)】：O151.21;TP391.3
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-17
• 1.1 研究背景和意義11-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀13-14
• 1.2.1 攻擊檢測(cè)算法的研究現(xiàn)狀13
• 1.2.2 魯棒協(xié)同過(guò)濾的研究現(xiàn)狀13-14
• 1.3 主要研究?jī)?nèi)容14-15
• 1.4 本文組織結(jié)構(gòu)15-17
• 第2章 基于矩陣分解的魯棒推薦算法和相關(guān)理論知識(shí)17-22
• 2.1 傳統(tǒng)的基于矩陣分解的協(xié)同過(guò)濾模型17-18
• 2.2 非負(fù)矩陣分解算法18-19
• 2.3 攻擊模型19-20
• 2.4 符號(hào)描述20-21
• 2.5 本章小結(jié)21-22
• 第3章 基于非負(fù)矩陣分解的魯棒推薦算法22-31
• 3.1 引言22
• 3.2 魯棒損失函數(shù)22-24
• 3.3 魯棒正則化損失函數(shù)24-25
• 3.4 RCF-NMF算法描述25-27
• 3.5 RCF-NMF算法的時(shí)間復(fù)雜度分析27
• 3.6 推薦算法穩(wěn)定性分析27-29
• 3.7 推薦算法魯棒性分析29-30
• 3.8 本章小結(jié)30-31
• 第4章 基于信息熵的魯棒非負(fù)矩陣推薦算法31-40
• 4.1 引言31
• 4.2 基于信息熵理論的檢測(cè)算法31-33
• 4.2.1 背景知識(shí)31-32
• 4.2.2 基于信息熵的異常值過(guò)濾32-33
• 4.2.3 基于信息熵異常值檢測(cè)的算法描述33
• 4.3 改進(jìn)的正則化損失函數(shù)33-38
• 4.3.1 魯棒正則化損失函數(shù)33-36
• 4.3.2 基于魯棒正則化損失函數(shù)的評(píng)分預(yù)測(cè)算法描述36-38
• 4.4 IE-RNMF算法的時(shí)間復(fù)雜度分析38
• 4.5 本章小結(jié)38-40
• 第5章 實(shí)驗(yàn)與評(píng)價(jià)40-52
• 5.1 實(shí)驗(yàn)數(shù)據(jù)40
• 5.2 實(shí)驗(yàn)環(huán)境40-41
• 5.3 實(shí)驗(yàn)設(shè)置41
• 5.4 評(píng)價(jià)指標(biāo)41-42
• 5.5 基于非負(fù)矩陣分解的魯棒推薦算法對(duì)比實(shí)驗(yàn)及結(jié)果分析42-47
• 5.5.1 對(duì)比算法簡(jiǎn)介42
• 5.5.2 RCF- NMF參數(shù)選取42-43
• 5.5.3 RCF-NMF準(zhǔn)確性比較43-45
• 5.5.4 RCF-NMF魯棒性比較45-47
• 5.6 基于信息熵理論的魯棒協(xié)同過(guò)濾算法性能分析47-51
• 5.6.1 IE-RNMF對(duì)比算法簡(jiǎn)介47
• 5.6.2 IE-RNMF準(zhǔn)確性比較47-49
• 5.6.3 IE- RNMF魯棒性比較49-51
• 5.7 本章小結(jié)51-52
• 結(jié)論52-54
• 參考文獻(xiàn)54-58
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果58-59
• 致謝59-60
• 作者簡(jiǎn)介60

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

2 呂善國(guó);吳效葵;曹義親;;基于網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法[J];實(shí)驗(yàn)室研究與探索;2012年07期

3 蘇瑩;劉建國(guó);郭強(qiáng);田大鋼;;考慮負(fù)面評(píng)價(jià)的個(gè)性化推薦算法研究[J];運(yùn)籌與管理;2012年06期

4 崔春生;;基于泛函網(wǎng)絡(luò)的組合推薦算法[J];系統(tǒng)工程理論與實(shí)踐;2014年04期

5 周佳;羅鐵堅(jiān);;一種基于內(nèi)容關(guān)聯(lián)的學(xué)術(shù)資源協(xié)同推薦算法[J];中國(guó)科學(xué)院研究生院學(xué)報(bào);2013年01期

6 高靈渲;張巍;霍穎翔;滕少華;;改進(jìn)的聚類(lèi)模式過(guò)濾推薦算法[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

7 李汶華;熊曉棟;郭均鵬;;一種基于案例推理和協(xié)商的群體推薦算法[J];系統(tǒng)工程;2013年11期

8 廖春華;杜建強(qiáng);程春雷;李智彪;;改進(jìn)的偏最小二乘回歸推薦算法[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年06期

9 范進(jìn);;基于多元混合準(zhǔn)則模糊模型的個(gè)性化推薦算法[J];華東經(jīng)濟(jì)管理;2007年02期

10 朱楠;;個(gè)性化推薦算法在網(wǎng)絡(luò)教學(xué)中的應(yīng)用[J];科技通報(bào);2013年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

2 唐燦;;基于模糊用戶(hù)心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

3 秦國(guó);杜小勇;;基于用戶(hù)層次信息的協(xié)同推薦算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 周玉妮;鄭會(huì)頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動(dòng)商務(wù)個(gè)性化推薦系統(tǒng)[A];社會(huì)經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第17屆學(xué)術(shù)年會(huì)論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國(guó)復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號(hào)：713359