基于攻击检测和矩阵分解的鲁棒推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 攻击检测研究现状 | 第9-10页 |
| 1.2.2 推荐算法研究现状 | 第10页 |
| 1.3 本文主要研究内容 | 第10-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第2章 相关技术概述 | 第13-25页 |
| 2.1 推荐攻击检测 | 第13-21页 |
| 2.1.1 推荐攻击定义 | 第13-14页 |
| 2.1.2 推荐攻击模型 | 第14-16页 |
| 2.1.3 推荐攻击评价 | 第16-18页 |
| 2.1.4 攻击检测通用属性 | 第18-19页 |
| 2.1.5 攻击检测算法 | 第19-20页 |
| 2.1.6 攻击检测算法评估 | 第20-21页 |
| 2.2 推荐算法 | 第21-23页 |
| 2.2.1 推荐系统 | 第21页 |
| 2.2.2 协同过滤 | 第21-22页 |
| 2.2.3 隐语义模型 | 第22页 |
| 2.2.4 推荐算法评估 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 基于SVM-KNN半监督攻击检测 | 第25-55页 |
| 3.1 攻击构造 | 第25-27页 |
| 3.1.1 攻击构造策略选择 | 第25页 |
| 3.1.2 攻击数据模拟步骤 | 第25-27页 |
| 3.2 攻击检测特征构建 | 第27-28页 |
| 3.2.1 特征构建基本思想 | 第27页 |
| 3.2.2 特征值构建步骤 | 第27-28页 |
| 3.3 改进的K近邻算法 | 第28-32页 |
| 3.3.1 算法基本思想 | 第28-29页 |
| 3.3.2 常用相似度 | 第29-30页 |
| 3.3.3 近邻算法存在的问题 | 第30-31页 |
| 3.3.4 改进的近邻算法 | 第31-32页 |
| 3.4 基于SVM-KNN半监督攻击检测 | 第32-38页 |
| 3.4.1 SVM算法 | 第32-35页 |
| 3.4.2 基于SVM-KNN攻击检测 | 第35-36页 |
| 3.4.3 引入半监督 | 第36页 |
| 3.4.4 基于SVM-KNN半监督攻击检测 | 第36-37页 |
| 3.4.5 具体实现步骤 | 第37-38页 |
| 3.5 实验设计与分析 | 第38-52页 |
| 3.5.1 数据集及评价标准 | 第38-39页 |
| 3.5.2 实验设计 | 第39页 |
| 3.5.3 实验结果及分析 | 第39-52页 |
| 3.6 本章小结 | 第52-55页 |
| 第4章 基于矩阵分解的推荐算法 | 第55-67页 |
| 4.1 隐语义模型 | 第55-58页 |
| 4.1.1 引言 | 第55-56页 |
| 4.1.2 显隐反馈 | 第56页 |
| 4.1.3 算法基本原理 | 第56-57页 |
| 4.1.4 具体实现步骤 | 第57-58页 |
| 4.2 实验设计与分析 | 第58-66页 |
| 4.2.1 数据集及评价标准 | 第58页 |
| 4.2.2 实验设计 | 第58页 |
| 4.2.3 实验结果及分析 | 第58-66页 |
| 4.3 本章小结 | 第66-67页 |
| 第5章 仿真实验 | 第67-73页 |
| 5.1 仿真实验流程 | 第67-69页 |
| 5.2 数据集及评价标准 | 第69页 |
| 5.3 实验设计 | 第69页 |
| 5.4 实验结果及分析 | 第69-71页 |
| 5.5 本章小结 | 第71-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |
