| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 攻击检测算法的研究现状 | 第13页 |
| 1.2.2 鲁棒协同过滤的研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 基于矩阵分解的鲁棒推荐算法和相关理论知识 | 第17-22页 |
| 2.1 传统的基于矩阵分解的协同过滤模型 | 第17-18页 |
| 2.2 非负矩阵分解算法 | 第18-19页 |
| 2.3 攻击模型 | 第19-20页 |
| 2.4 符号描述 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于非负矩阵分解的鲁棒推荐算法 | 第22-31页 |
| 3.1 引言 | 第22页 |
| 3.2 鲁棒损失函数 | 第22-24页 |
| 3.3 鲁棒正则化损失函数 | 第24-25页 |
| 3.4 RCF-NMF算法描述 | 第25-27页 |
| 3.5 RCF-NMF算法的时间复杂度分析 | 第27页 |
| 3.6 推荐算法稳定性分析 | 第27-29页 |
| 3.7 推荐算法鲁棒性分析 | 第29-30页 |
| 3.8 本章小结 | 第30-31页 |
| 第4章 基于信息熵的鲁棒非负矩阵推荐算法 | 第31-40页 |
| 4.1 引言 | 第31页 |
| 4.2 基于信息熵理论的检测算法 | 第31-33页 |
| 4.2.1 背景知识 | 第31-32页 |
| 4.2.2 基于信息熵的异常值过滤 | 第32-33页 |
| 4.2.3 基于信息熵异常值检测的算法描述 | 第33页 |
| 4.3 改进的正则化损失函数 | 第33-38页 |
| 4.3.1 鲁棒正则化损失函数 | 第33-36页 |
| 4.3.2 基于鲁棒正则化损失函数的评分预测算法描述 | 第36-38页 |
| 4.4 IE-RNMF算法的时间复杂度分析 | 第38页 |
| 4.5 本章小结 | 第38-40页 |
| 第5章 实验与评价 | 第40-52页 |
| 5.1 实验数据 | 第40页 |
| 5.2 实验环境 | 第40-41页 |
| 5.3 实验设置 | 第41页 |
| 5.4 评价指标 | 第41-42页 |
| 5.5 基于非负矩阵分解的鲁棒推荐算法对比实验及结果分析 | 第42-47页 |
| 5.5.1 对比算法简介 | 第42页 |
| 5.5.2 RCF- NMF参数选取 | 第42-43页 |
| 5.5.3 RCF-NMF准确性比较 | 第43-45页 |
| 5.5.4 RCF-NMF鲁棒性比较 | 第45-47页 |
| 5.6 基于信息熵理论的鲁棒协同过滤算法性能分析 | 第47-51页 |
| 5.6.1 IE-RNMF对比算法简介 | 第47页 |
| 5.6.2 IE-RNMF准确性比较 | 第47-49页 |
| 5.6.3 IE- RNMF鲁棒性比较 | 第49-51页 |
| 5.7 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58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59-60页 |
| 作者简介 | 第60页 |