基于托攻击检测和矩阵分解模型的可信推荐算法研究
| 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页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 相关知识介绍 | 第16-26页 |
| 2.1 协同过滤推荐算法介绍 | 第16-20页 |
| 2.1.1 基于近邻的协同推荐算法 | 第16-18页 |
| 2.1.2 基于矩阵分解模型的协同推荐算法 | 第18-20页 |
| 2.2 托攻击模型介绍 | 第20-23页 |
| 2.2.1 托攻击概貌结构 | 第20-22页 |
| 2.2.2 标准攻击模型 | 第22页 |
| 2.2.3 模糊攻击模型 | 第22-23页 |
| 2.3 托攻击防御算法介绍 | 第23-25页 |
| 2.3.1 托攻击检测算法 | 第23-25页 |
| 2.3.2 鲁棒协同推荐算法 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于无监督学习的托攻击检测算法 | 第26-36页 |
| 3.1 标准攻击检测算法 | 第26-30页 |
| 3.1.1 基于PCA的用户特征提取 | 第26-29页 |
| 3.1.2 IPCA算法 | 第29-30页 |
| 3.2 Ao P攻击检测算法 | 第30-33页 |
| 3.2.1 Ao P攻击概貌特征提取 | 第31-32页 |
| 3.2.2 Ao P-AD算法 | 第32-33页 |
| 3.3 PIA攻击检测算法 | 第33-35页 |
| 3.3.1 PIA攻击概貌特征提取 | 第33-34页 |
| 3.3.2 PIA-AD算法 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于攻击检测和矩阵分解的推荐算法 | 第36-48页 |
| 4.1 托攻击类型识别算法 | 第36-40页 |
| 4.1.1 不同类型托攻击特征差异 | 第36-38页 |
| 4.1.2 SATI算法 | 第38-40页 |
| 4.2 隐式信任度量模型 | 第40-42页 |
| 4.3 鲁棒协同推荐算法 | 第42-47页 |
| 4.3.1 TSVD矩阵分解模型 | 第42-45页 |
| 4.3.2 ADMF算法 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 实验与结果分析 | 第48-58页 |
| 5.1 实验数据 | 第48-49页 |
| 5.2 实验环境和方法 | 第49-50页 |
| 5.3 实验评估指标 | 第50-51页 |
| 5.4 算法实验与结果分析 | 第51-57页 |
| 5.4.1 攻击检测算法实验与结果分析 | 第51-54页 |
| 5.4.2 鲁棒推荐算法实验与结果分析 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66页 |
