基于改进支持向量机的推荐系统托攻击检测方法

摘要：

使用具有较好泛化能力的支持向量机算法建立推荐系统托攻击检测模型，由于在传统支持向量机算法中，用来控制错误识别样本惩罚度的惩罚因子的具体参数以及不敏感损失参数的具体参数由使用者决策，并在较大程度上决定支持向量机的性能。标准PSO算法的收敛性能基本取决于学习算子和惯性系数等重要参数的选取。标准PSO算法前期收敛速度很快，后期则比较缓慢，粒子群趋同性造成算法后期容易陷入局部最小值，即进入早熟。因此，使用混沌优化算法与PSO算法共同完成对传统支持向量机算法的优化。最后使用MovieLense100K数据集进行实例分析，从检测结果对比可以看出，填充率越高，检测准确率越高，研究的改进支持向量机具有最优的检测性能，能够帮助推荐系统防范托攻击，以得到较精准的用户评分数据。

关键词：推荐系统、托攻击、改进支持向量机算法、混沌优化算法

所属期刊栏目：39

分类号：TN98-34;TP311

资助基金：河南省教育厅科技攻关项目12B520050；非结构化数据智能存储与检索技术研究132300410200

在线出版日期：2016-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：96-98,103