基于托攻击检测与贝叶斯概率矩阵分解的鲁棒推荐算法

发布时间：2017-08-25 01:16

  本文关键词：基于托攻击检测与贝叶斯概率矩阵分解的鲁棒推荐算法

  更多相关文章： 鲁棒协同推荐算法 托攻击检测 贝叶斯概率矩阵分解 主成分分析

【摘要】：由于推荐系统中评分数据的稀疏性以及恶意用户的存在,现有的协同过滤推荐算法普遍存在着以下问题:攻击概貌容易对项目特征矩阵产生影响,最终使推荐系统的推荐结果出现偏差;现有的鲁棒算法对托攻击或是噪声的抗干扰能力不强,鲁棒性差;有些鲁棒推荐算法通过牺牲推荐精度的方法来提高系统的鲁棒性。因此,本文提出了一种基于贝叶斯概率矩阵分解的鲁棒协同推荐算法,以达到提高推荐系统的推荐准确率和系统鲁棒性的目的。本文的主要研究内容如下:首先,提出了一种恶意用户检测算法(EPCA),用于用户嫌疑度的检测。算法利用主成分分析法得到嫌疑用户集合,之后利用均值偏移量来识别出目标项目,最后依据目标项目对嫌疑用户集合中真实用户做进一步识别。算法对大部分攻击概貌进行识别,并能够精确识别出目标项目。然后,提出了一种基于概率的鲁棒推荐算法(RBPMF),算法融合了评分矩阵与项目属性矩阵的先验信息,经过贝叶斯变换最终获取用户和项目的特征向量。算法通过引入项目属性降低了评分数据对项目信息对项目特征矩阵的影响,从而可降低攻击概貌对推荐系统的影响,同时贝叶斯概率矩阵的动态参数的引入可提高推荐精度。之后,将上述EPCA算法与鲁棒推荐算法融合,形成基于贝叶斯概率矩阵分解的鲁棒协同推荐模型(RBPMF-EPCA)。鲁棒推荐算法通过引入EPCA算法检测出的嫌疑用户和目标项目,进一步提高了推荐算法的鲁棒性。最后,设计出相应的鲁棒推荐算法,并在Movielens数据集上进行了仿真实验,并与一些经典算法进行了对比,结果表明与现有模型相比,该模型可以在提高推荐精度的同时提高系统的鲁棒性。
【关键词】：鲁棒协同推荐算法 托攻击检测 贝叶斯概率矩阵分解 主成分分析
【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11-14
• 1.3 主要研究内容14-15
• 1.4 本文组织结构15-16
• 第2章 推荐系统及其鲁棒性16-26
• 2.1 推荐系统基本概念16
• 2.2 常见的推荐算法16-22
• 2.2.1 基于内容的推荐算法17
• 2.2.2 基于用户的协同过滤17-20
• 2.2.3 基于项目的协同过滤20-21
• 2.2.4 基于模型的协同过滤21
• 2.2.5 混合推荐算法21-22
• 2.3 推荐系统所面临的问题22
• 2.4 托攻击22-25
• 2.4.1 攻击模型23-24
• 2.4.2 常见的攻击类型24-25
• 2.5 本章小结25-26
• 第3章 基于EPCA的托攻击检测算法26-34
• 3.1 引言26
• 3.2 嫌疑用户检测算法26-30
• 3.2.1 检测算法26-28
• 3.2.2 VarSelectSVD算法28-29
• 3.2.3 MMF算法29-30
• 3.3 EPCA算法30-31
• 3.4 算法描述31-33
• 3.5 本章小结33-34
• 第4章 基于贝叶斯概率矩阵分解的鲁棒推荐算法34-42
• 4.1 引言34
• 4.2 概率矩阵分解模型34-36
• 4.2.1 矩阵分解模型34-35
• 4.2.2 概率矩阵分解模型35-36
• 4.3 基于贝叶斯概率矩阵分解的鲁棒推荐算法36-39
• 4.3.1 鲁棒贝叶斯概率矩阵分解模型36-39
• 4.3.2 基于贝叶斯概率矩阵和托攻击检测的鲁棒协同过滤算法39
• 4.4 算法描述39-40
• 4.5 本章小结40-42
• 第5章 实验结果及分析42-53
• 5.1 实验数据42-43
• 5.2 实验环境43
• 5.3 实验评价标准43-44
• 5.4 参数的选取44-47
• 5.4.1 参数θ对EPCA算法的影响45
• 5.4.2 参数α和β对PS值的影响45-47
• 5.5 EPCA算法实验结果及分析47
• 5.6 RBPMF-EPCA算法实验结果及分析47-52
• 5.6.1 算法的推荐精度对比48-50
• 5.6.2 算法的鲁棒性对比50-52
• 5.7 本章小结52-53
• 结论53-55
• 参考文献55-60
• 攻读硕士学位期间承担的科研任务与主要成果60-61
• 致谢61-62
• 作者简介62

【参考文献】

中国期刊全文数据库 前2条

1 李聪;骆志刚;;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];自动化学报;2011年09期

2 赵琴琴;鲁凯;王斌;;SPCF:一种基于内存的传播式协同过滤推荐算法[J];计算机学报;2013年03期

，

本文编号：734222