基于数据非随机缺失机制的推荐系统托攻击探测
协同过滤推荐系统极易受到托攻击的侵害.开发托攻击探测技术已成为保障推荐系统可靠性与鲁棒性的关键.本文以数据非随机缺失机制为依托,对导致评分缺失的潜在因素进行解析,并在概率产生模型框架内将这些潜在因素与Dirichlet过程相融合,提出了用于托攻击探测的缺失评分潜在因素分析(Latent factor analysis for missing ratings,LFAMR)模型.实验表明,与现有探测技术相比,LFAMR具备更强的普适性和无监督性,即使缺乏系统相关先验知识,仍可有效探测各种常见托攻击.
协同过滤、托攻击、缺失数据、Dirichlet过程、变分推断
39
2013-12-05（万方平台首次上网日期，不代表论文的发表时间）
共10页
1681-1690
