| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 推荐系统及其鲁棒性 | 第16-24页 |
| 2.1 推荐系统定义 | 第16-17页 |
| 2.2 常见的推荐算法 | 第17-22页 |
| 2.2.1 基于内容的推荐算法 | 第17-18页 |
| 2.2.2 混合推荐算法 | 第18页 |
| 2.2.3 基于用户的协同过滤 | 第18-21页 |
| 2.2.4 基于项目的协同过滤 | 第21-22页 |
| 2.3 推荐系统存在的不足 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于双重过滤的攻击检测算法 | 第24-34页 |
| 3.1 攻击检测 | 第24-27页 |
| 3.1.1 攻击模型 | 第24-25页 |
| 3.1.2 常见的攻击类型 | 第25-27页 |
| 3.2 用户概貌特征 | 第27-29页 |
| 3.3 变量可选择的PCA算法 | 第29-30页 |
| 3.4 UPCA的攻击检测算法 | 第30-33页 |
| 3.4.1 双重过滤参数的选取 | 第30-31页 |
| 3.4.2 算法描述 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 融合攻击检测的矩阵分解鲁棒推荐算法 | 第34-40页 |
| 4.1 协同过滤推荐系统 | 第34页 |
| 4.2 基于模型的协同过滤推荐算法 | 第34-36页 |
| 4.2.1 隐语义模型 | 第35页 |
| 4.2.2 奇异值SVD分解 | 第35-36页 |
| 4.3 基于双重过滤攻击检测的鲁棒推荐算法 | 第36-39页 |
| 4.3.1 特征矩阵分解 | 第37页 |
| 4.3.2 融合攻击检测的矩阵分解推荐 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 实验结果及分析 | 第40-52页 |
| 5.1 实验数据和实验评价指标 | 第40-43页 |
| 5.1.1 实验数据 | 第40-41页 |
| 5.1.2 实验环境 | 第41-42页 |
| 5.1.3 实验评价标准 | 第42-43页 |
| 5.2 双重过滤攻击检测算法实验结果分析 | 第43-47页 |
| 5.2.1 经典PCA攻击检测算法实验分析 | 第44页 |
| 5.2.2 算法涉及两个影响参数的实验分析 | 第44-45页 |
| 5.2.3 双重过滤攻击检测算法的实验对比分析 | 第45-47页 |
| 5.3 双重过滤攻击检测与矩阵分解推荐算法实验分析 | 第47-51页 |
| 5.3.1 矩阵分解迭代次数选取 | 第47-48页 |
| 5.3.2 UPCA-SVD与经典算法的推荐精度比较 | 第48-50页 |
| 5.3.3 UPCA-SVD与经典算法的鲁棒性对比 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59页 |
