利用离群点算法预处理协同过滤推荐系统数据

摘要：

由于电子商务系统的开放性和推荐系统用户的广泛参与性，推荐系统很容易受到攻击。出于某种目的的用户向系统中注入恶意信息，导致推荐质量受到威胁，因此过滤掉恶意信息成为迫切需要。离群点检测用于从数据集中找到明显偏离其他数据对象或不满足一般对象行为特征的对象。为了提高推荐系统的鲁棒性，保证推荐系统的高质量，文中利用局部离群点检测算法计算出每个用户的局部离群因子( LOF)，过滤掉离群因子较高的用户，然后运用协同过滤算法为系统中剩下的用户做推荐。实验结果表明，与传统的协同过滤推荐算法相比，此方法在提高推荐质量上取得了一些好的效果。

关键词：推荐系统、协同过滤、离群点、离群因子

分类号：TP302.1(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61003237

在线出版日期：2015-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：129-133