个性化协同推荐算法的安全问题研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景 | 第12-14页 |
| ·研究意义 | 第14页 |
| ·研究现状 | 第14-17页 |
| ·国外研究现状 | 第14-17页 |
| ·国内研究现状 | 第17页 |
| ·本文研究的内容 | 第17-18页 |
| ·本文的组织结构 | 第18-20页 |
| 第2章 个性化推荐算法及其相关的攻击模型 | 第20-30页 |
| ·电子商务个性化推荐系统概述 | 第20-21页 |
| ·个性化推荐系统的概念 | 第20页 |
| ·个性化推荐系统的构成 | 第20-21页 |
| ·个性化推荐系统的作用 | 第21页 |
| ·主要的个性化推荐技术 | 第21-26页 |
| ·个性化推荐技术的分类 | 第21-22页 |
| ·协同过滤推荐技术 | 第22-24页 |
| ·协同过滤算法的分类 | 第24-26页 |
| ·个性化协同推荐系统中的攻击模型 | 第26-29页 |
| ·攻击的概念 | 第26-27页 |
| ·攻击成本 | 第27页 |
| ·攻击效率 | 第27-28页 |
| ·主要攻击模型及其特征 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于正态云模型的PCA 攻击检测改进算法 | 第30-46页 |
| ·PCA 攻击检测算法 | 第30-33页 |
| ·算法的基本思想 | 第30-32页 |
| ·算法缺陷 | 第32页 |
| ·问题的解决方案 | 第32-33页 |
| ·基于正态云模型和时间集中性的可疑评分度量方法 | 第33-37页 |
| ·攻击的时间集中性 | 第33-34页 |
| ·正态云模型简介 | 第34-35页 |
| ·基于正态云模型和时间集中性的可疑评分度量过程 | 第35-37页 |
| ·基于正态云模型的PCA 攻击检测算法 | 第37-39页 |
| ·算法描述 | 第37-38页 |
| ·算法简要分析 | 第38-39页 |
| ·实验及其分析 | 第39-45页 |
| ·实验环境及开发工具 | 第39-40页 |
| ·实验数据 | 第40-41页 |
| ·实验的评价标准 | 第41页 |
| ·实验结果及其分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 个性化推荐系统中的用户可信度研究 | 第46-56页 |
| ·典型的用户可信度计算方法 | 第46-48页 |
| ·三种典型的用户信任的计算方法 | 第46-47页 |
| ·对信任模型的分析 | 第47-48页 |
| ·新的用户可信度计算方法 | 第48-49页 |
| ·一种基于攻击检测的用户评分可信度计算方法 | 第49-51页 |
| ·基于攻击检测的用户可信度计算模型 | 第49页 |
| ·基于攻击检测的用户可信度计算算法 | 第49-51页 |
| ·算法简要分析 | 第51页 |
| ·用户推荐可信度的计算方法 | 第51-53页 |
| ·一种基于beta 分布的用户推荐可信度计算方法 | 第51-52页 |
| ·一种基于beta 分布的用户推荐可信度计算过程 | 第52-53页 |
| ·用户评分可信度和用户推荐可信度的合并 | 第53页 |
| ·实验及其分析 | 第53-55页 |
| ·实验环境及实验数据 | 第54页 |
| ·确定评分数据可信度的实验 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于用户可信度的可信个性化推荐算法 | 第56-68页 |
| ·可信相似权值的计算 | 第56-58页 |
| ·基于类别平均值的缺失值填充算法 | 第56-57页 |
| ·相似度的计算 | 第57页 |
| ·可信相似权值的计算公式 | 第57-58页 |
| ·邻居用户的选择 | 第58页 |
| ·产生推荐 | 第58-59页 |
| ·实验及其分析 | 第59-66页 |
| ·实验环境及实验数据 | 第59-60页 |
| ·评价标准 | 第60-61页 |
| ·推荐结果精确度的对比结果 | 第61-62页 |
| ·推荐算法脆弱性的对比实验 | 第62-64页 |
| ·推荐算法抗攻击能力的对比结果 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |
