针对托攻击与自然噪声的鲁棒推荐算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 研究历史现状分析 | 第15-16页 |
| 1.3 论文研究内容及结构安排 | 第16-18页 |
| 第二章 推荐系统的鲁棒性 | 第18-30页 |
| 2.1 推荐系统 | 第18-22页 |
| 2.1.1 推荐系统构成模块 | 第18-21页 |
| 2.1.2 存在问题以及发展方向 | 第21-22页 |
| 2.2 托攻击检测 | 第22-27页 |
| 2.2.1 托攻击模型 | 第23-25页 |
| 2.2.2 相关策略简介 | 第25-26页 |
| 2.2.3 特征检测指标 | 第26-27页 |
| 2.3 自然噪声的来源 | 第27-28页 |
| 2.4 现有问题及发展方向 | 第28-29页 |
| 2.5 总结 | 第29-30页 |
| 第三章 基于栈式自编码器的托攻击检测算法 | 第30-52页 |
| 3.1 引言 | 第30页 |
| 3.2 神经网络 | 第30-35页 |
| 3.2.1 神经网络概览 | 第30-32页 |
| 3.2.2 神经网络模型 | 第32-33页 |
| 3.2.3 模型的训练 | 第33-35页 |
| 3.3 基于栈式自编码器的托攻击检测算法实现 | 第35-41页 |
| 3.3.1 特征提取 | 第36-39页 |
| 3.3.2 朴素贝叶斯分类 | 第39-41页 |
| 3.4 实验分析 | 第41-50页 |
| 3.4.1 数据集 | 第41-42页 |
| 3.4.2 衡量指标 | 第42页 |
| 3.4.3 托攻击的影响 | 第42-44页 |
| 3.4.4 实验结果与分析 | 第44-50页 |
| 3.5 总结 | 第50-52页 |
| 第四章 基于矩阵分解的抑制自然噪声的鲁棒推荐算法 | 第52-70页 |
| 4.1 引言 | 第52页 |
| 4.2 矩阵分解 | 第52-59页 |
| 4.2.1 经典矩阵分解 | 第52-54页 |
| 4.2.2 概率矩阵分解 | 第54-55页 |
| 4.2.3 基于MCMC的贝叶斯概率矩阵分解 | 第55-59页 |
| 4.3 局部低秩假设 | 第59-60页 |
| 4.4 局部概率矩阵分解 | 第60-62页 |
| 4.5 实验结果和分析 | 第62-68页 |
| 4.5.1 评测指标 | 第62页 |
| 4.5.2 验证自然噪声的存在 | 第62-64页 |
| 4.5.3 实验结果与分析 | 第64-68页 |
| 4.6 总结 | 第68-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |
