基于用户声誉的鲁棒协同推荐算法

被引：35

作者：

张燕平 ^{[1
,2
]}

张顺 ^{[1
,2
]}

钱付兰 ^{[1
,2
]}

张以文 ^{[1
,2
]}

机构：

[1] 安徽大学计算机科学与技术学院

[2] 安徽大学智能计算与信号处理教育部重点实验室

来源：

自动化学报 | 2015年 / 41卷 / 05期

基金：

安徽省自然科学基金;

关键词：

推荐系统; 协同过滤; 声誉; 托攻击;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

080201 [机械制造及其自动化];

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.

引用

页码：1004 / 1012

页数：9

共 11 条

[1]

用于鲁棒协同推荐的元信息增强变分贝叶斯矩阵分解模型 [J].

李聪 ;

骆志刚 .

自动化学报, 2011, 37 (09) :1067-1076

[2]

个性化推荐系统的研究进展 [J].

刘建国 ;

周涛 ;

汪秉宏 .

自然科学进展, 2009, 19 (01) :1-15

[3]

Shilling attacks against recommender systems: a comprehensive survey[J] Ihsan Gunes;Cihan Kaleli;Alper Bilge;Huseyin Polat Artificial Intelligence Review 2014,

[4]

Recommender systems[J] Physics Reports 2012,

[5]

Reputation systems for open collaboration[J] Luca De Alfaro;Ashutosh Kulshreshtha;Ian Pye;B. Thomas Adler Communications of the ACM 2011,

[6]

A robust ranking algorithm to spamming[J] Yan-Bo Zhou;Ting Lei;Tao Zhou EPL (Europhysics Letters) 2011,

[7]

Toward trustworthy recommender systems[J] Bamshad Mobasher;Robin Burke;Runa Bhaumik;Chad Williams ACM Transactions on Internet Technology (TOIT) 2007,

[8]

Collaborative recommendation[J] Michael O'Mahony;Neil Hurley;Nicholas Kushmerick;Guénolé Silvestre ACM Transactions on Internet Technology (TOIT) 2004,

[9]

Robust Estimation of a Location Parameter[J] Peter J. Huber The Annals of Mathematical Statistics 1964,

[10]

推荐系统实践[M] 项亮; 编著人民邮电出版社 2012,

← 1 2 →