| 摘要 | 第5-6页 |
| Abstract | 第6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14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 推荐系统及其鲁棒性 | 第16-26页 |
| 2.1 推荐系统基本概念 | 第16页 |
| 2.2 常见的推荐算法 | 第16-22页 |
| 2.2.1 基于内容的推荐算法 | 第17页 |
| 2.2.2 基于用户的协同过滤 | 第17-20页 |
| 2.2.3 基于项目的协同过滤 | 第20-21页 |
| 2.2.4 基于模型的协同过滤 | 第21页 |
| 2.2.5 混合推荐算法 | 第21-22页 |
| 2.3 推荐系统所面临的问题 | 第22页 |
| 2.4 托攻击 | 第22-25页 |
| 2.4.1 攻击模型 | 第23-24页 |
| 2.4.2 常见的攻击类型 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于EPCA的托攻击检测算法 | 第26-34页 |
| 3.1 引言 | 第26页 |
| 3.2 嫌疑用户检测算法 | 第26-30页 |
| 3.2.1 检测算法 | 第26-28页 |
| 3.2.2 VarSelectSVD算法 | 第28-29页 |
| 3.2.3 MMF算法 | 第29-30页 |
| 3.3 EPCA算法 | 第30-31页 |
| 3.4 算法描述 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于贝叶斯概率矩阵分解的鲁棒推荐算法 | 第34-42页 |
| 4.1 引言 | 第34页 |
| 4.2 概率矩阵分解模型 | 第34-36页 |
| 4.2.1 矩阵分解模型 | 第34-35页 |
| 4.2.2 概率矩阵分解模型 | 第35-36页 |
| 4.3 基于贝叶斯概率矩阵分解的鲁棒推荐算法 | 第36-39页 |
| 4.3.1 鲁棒贝叶斯概率矩阵分解模型 | 第36-39页 |
| 4.3.2 基于贝叶斯概率矩阵和托攻击检测的鲁棒协同过滤算法 | 第39页 |
| 4.4 算法描述 | 第39-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第5章 实验结果及分析 | 第42-53页 |
| 5.1 实验数据 | 第42-43页 |
| 5.2 实验环境 | 第43页 |
| 5.3 实验评价标准 | 第43-44页 |
| 5.4 参数的选取 | 第44-47页 |
| 5.4.1 参数θ对EPCA算法的影响 | 第45页 |
| 5.4.2 参数α和β对PS值的影响 | 第45-47页 |
| 5.5 EPCA算法实验结果及分析 | 第47页 |
| 5.6 RBPMF-EPCA算法实验结果及分析 | 第47-52页 |
| 5.6.1 算法的推荐精度对比 | 第48-50页 |
| 5.6.2 算法的鲁棒性对比 | 第50-52页 |
| 5.7 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |