基于托攻击检测和矩阵分解模型的可信推荐算法研究

《基于托攻击检测和矩阵分解模型的可信推荐算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文MASTER’SDISSERTATION论文题目基于托攻击检测和矩阵分解模型的可信推荐算法研究作者姓名刘凯学位类别工程硕士指导教师胡玉琦副教授2016年5月中图分类号：TP393学校代码：10216UDC：621.3密级：公开工程硕士学位论文（工程设计型）基于托攻击检测和矩阵分解模型的可信推荐算法研究硕士研究生：刘凯导师：胡玉琦副教授副导师：魏本杰高工申请学位：工程硕士工程领域：计算机技术所在单位：信息科学与工程学院答辩日期：2016年5月授予学位单位：燕山大学ADissertationinComputerTechnologyRESEARCHO

2、NTRUSTWORTHYRECOMMENDATIONALGORITHMBASEDONSHILLINGATTACKDETECTIONANDMATRIXFACTORIZATIONMODELbyLiuKaiSupervisor:AssociateProfessorHuYuqiYanshanUniversityMay,2016燕山大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于托攻击检测和矩阵分解模型的可信推荐算法研究》，是本人在导师指导下，在燕山大学攻读硕士学位期间独立进行研究工作所取得的成果。论文中除已注明部分外不包含他人已发表或撰写过的

3、研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签字：日期：年月日摘要摘要协同过滤推荐算法被广泛应用在个性化推荐系统中。由于协同推荐系统依赖用户评分信息，一些恶意用户向系统注入伪造评分，使得系统生成对他们有利的推荐结果。这种托攻击的存在损害了协同推荐系统的可信性。因此，如何保证协同推荐系统的鲁棒性已经成为推荐系统研究领域的一个重要问题。本文提出一种基于托攻击检测和矩阵分解模型的可信协同推荐算法。首先，针对标准攻击（随机攻击、均值攻击和流行攻击）、AoP（AverageoverPopular

4、Items）和PIA（PowerItemsAttack）三类托攻击，分别设计出相应的无监督攻击检测算法。对基于主成分分析的检测算法进行改进，设计出标准攻击检测算法；提出改进后的加权平均评分偏离度、项目均值偏差和项目最高评分比值，利用这些统计特征设计出AoP攻击检测算法；提出改进后的最近邻平均相似度，设计出PIA攻击检测算法。其次，提出基于托攻击检测和矩阵分解模型的可信推荐算法。算法首先根据攻击概貌的统计特征对托攻击的类型进行识别；然后调用相应的攻击检测算法来标记嫌疑用户和项目；最后将本文提出的攻击检测算法与改进后的矩阵分解模型相融合，利用随机梯度下降法求解

5、模型参数，进而计算出预测评分。该推荐算法中的矩阵分解模型融合了用户隐式信任信息，算法中的隐式信任关系数据通过信任度量模型计算得到。最后，设计相应的实验方案，将本文提出的算法与现有的算法进行对比实验。实验结果表明，本文提出的可信推荐算法不仅具有较好的鲁棒性，而且具有较高的推荐精度。关键词：协同过滤；托攻击检测；攻击类型识别；矩阵分解模型；鲁棒推荐-I-AbstractAbstractCollaborativefilteringrecommendationalgorithmsarewidelyusedinpersonalizedrecommendationsy

6、stems.Becausethecollaborativerecommendationsystemsrelyonusers’ratingsinformation,malicioususersinjectfakeratinginformationintothesystem,makingrecommendersystemsgeneraterecommendationresultstotheirownbenefit.Theexistenceofshillingattackunderminesthecredibilityofrecommendersystems.T

7、herefore,howtoensuretherobustnessofcollaborativerecommendersystemshasbecomeanimportantissueintheresearchfieldofrecommendersystems.Thispaperproposesatrustworthycollaborativerecommendationalgorithmbasedonshillingattackdetectionandmatrixfactorizationmodel.Firstly,weproposecorrespondi

8、ngunsupervisedattackdetectionalgo