基于有序项目序列的推荐攻击集成测方法

发布时间：2017-04-16 02:22

  本文关键词：基于有序项目序列的推荐攻击集成测方法，，由笔耕文化传播整理发布。

【摘要】：网络的快速发展让人们感觉到了前所未有的方便,人们足不出户就可以购物、交流、休闲和娱乐等等。但互联网带来的副作用也显而易见,当人们面对海量信息时往往手足无措、难以辨别真伪、无从选择,我们把这种现象称为“信息过载”。协同过滤推荐系统很好的解决了“信息过载”的问题,而且应用广泛,其应用领域包括电子商务、多媒体和社交网络等。需要说明的是协同过滤推荐系统并非完美,由于推荐系统自身的缺陷导致某些攻击者为了商业利益对各种商品进行推荐攻击,给终端用户做出不真实的推荐,这最终导致人们改变了最初对推荐系统的信任态度。为了解决这个问题,学者们研究出了许多针对推荐系统攻击检测方法,这些方法主要解决的核心问题为降低误报率和提高准确率。针对有监督检测方法在推荐攻击检测时准确率不高的问题,本文提出一种基于有序项目序列的推荐攻击集成检测方法。首先,通过分析真实用户概貌和攻击概貌在评分模式上的差异,构建有序流行项目序列和有序新颖项目序列,依据这两条项目序列构建每个用户概貌的流行项目评分序列和新颖项目评分序列。其次,根据每个用户的流行项目评分序列和新颖项目评分序列得到用户评分流行度和用户评分新颖度两个特征,根据有序流行项目序列和有序新颖项目序列划分项目集合并结合互信息知识提取四个特征。最后,提出一种推荐攻击集成检测框架,通过Bootstrap重抽样技术生成多个差异较大的基训练集,训练生成多棵决策树基分类器,检测时使用简单多数投票方式将每个基分类器的预测值进行融合得到最终的检测结果。实验结果表明基于有序项目序列的推荐系统集成检测方法具有较高的准确率和召回率。
【关键词】：协同过滤推荐 托攻击 特征提取 集成检测 有序项目序列
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.08;TP391.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 国内外研究现状11-13
• 1.3 本文的主要研究内容13-14
• 1.4 本文的组织结构14-16
• 第2章 协同过滤推荐技术及攻击模型介绍16-26
• 2.1 协同过滤推荐技术16-19
• 2.1.1 基于用户的协同过滤推荐算法17-19
• 2.1.2 基于项目的协同过滤推荐算法19
• 2.2 协同过滤推荐系统中出现的攻击模型介绍19-23
• 2.2.1 面向协同过滤的推荐攻击检测技术20-21
• 2.2.2 推荐攻击检测中的相关概念21-22
• 2.2.3 常见的攻击模型介绍22-23
• 2.3 机器学习相关知识介绍23-25
• 2.3.1 支持向量机算法介绍23-24
• 2.3.2 决策树算法介绍24-25
• 2.4 本章小结25-26
• 第3章 基于有序项目序列的特征提取26-35
• 3.1 有序项目序列的生成26-29
• 3.1.1 生成有序流行项目序列26-28
• 3.1.2 生成有序新颖项目序列28-29
• 3.2 特征提取29-33
• 3.3 特征提取算法33-34
• 3.4 本章小结34-35
• 第4章 推荐攻击集成检测方法35-42
• 4.1 集成检测方法介绍35
• 4.2 基分类器的生成35-37
• 4.2.1 生成基训练集35
• 4.2.2 决策树分类器的生成35-36
• 4.2.3 集成检测36-37
• 4.3 集成检测算法的描述37-40
• 4.3.1 基训练集生成算法37-39
• 4.3.2 推荐攻击集成检测算法描述39-40
• 4.4 本章小结40-42
• 第5章 实验验证与分析42-54
• 5.1 全文的整体框架42
• 5.2 实验数据和实验环境42-43
• 5.2.1 实验数据42
• 5.2.2 对比实验介绍42-43
• 5.2.3 数据生成43
• 5.2.4 实验环境43
• 5.3 实验评价指标43-44
• 5.4 实验及结果分析44-52
• 5.4.1 信息增益44-45
• 5.4.2 召回率对比45-47
• 5.4.3 准确率对比47-50
• 5.4.4 综合指标F1-measure对比50-52
• 5.5 本章小结52-54
• 结论54-56
• 参考文献56-61
• 攻读硕士学位期间承担的科研任务与主要成果61-62
• 致谢62-63
• 作者简介63

【参考文献】

中国期刊全文数据库 前3条

1 李聪;骆志刚;;基于数据非随机缺失机制的推荐系统托攻击探测[J];自动化学报;2013年10期

2 贾大文;曾承;彭智勇;成鹏;阳志敏;卢舟;;一种基于用户偏好自动分类的社会媒体共享和推荐方法[J];计算机学报;2012年11期

3 邓爱林,朱扬勇,施伯乐;基于项目评分预测的协同过滤推荐算法[J];软件学报;2003年09期

  本文关键词：基于有序项目序列的推荐攻击集成测方法，由笔耕文化传播整理发布。

本文编号：309804