幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

基於可疑用戶度量的魯棒推薦方法研究

  • 作者：伊華偉|責編:項陽
  • 出版社：東北大學
  • ISBN：9787551727266
  • 出版日期：2021/09/01
  • 裝幀：平裝
  • 頁數：88
人民幣：RMB 30 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    如何保障推薦系統不受惡意攻擊的影響，為用戶提供真實可靠的推薦結果，已經成為一個值得研究的熱點問題。本書基於可疑用戶度量的思想，從基於內存和基於模型的推薦技術兩方面展開研究，致力於設計一系列魯棒性高、精度損失少的協同過濾推薦演算法。
    本書首先針對基於用戶的推薦演算法近鄰選取可靠性不高的問題，提出一種基於k-距離和項目類別信息的魯棒推薦方法。其次針對已有信任計算模型在攻擊概貌存在情況下對用戶間信任關係度量不準確的問題，提出一種基於可疑用戶度量和多維信任的魯棒推薦方法。再次針對基於矩陣分解的推薦演算法在應對托攻擊時魯棒性較差的問題，提出一種基於模糊核聚類和支持向量機的魯棒推薦方法。然後針對基於矩陣分解的推薦演算法不能平衡處理魯棒性和推薦精度的問題，提出一種基於可疑用戶識別和Tukey M-估計量的魯棒推薦方法。最後在MovieLens數據集上與現有的經典方法進行實驗對比分析，驗證了所提方法的有效性。
作者介紹
伊華偉|責編:項陽
    伊華偉，女，1978年8月生，遼寧朝陽人；2017年1月畢業於燕山大學電腦應用技術專業，獲工學博士學位；遼寧工業大學電子與信息工程學院副教授、碩士生導師。主要從事推薦系統、可信計算及信息安全等方面的科學研究，先後在《軟體學報》《電子與信息學報》《Journal of Intelligent Information Systems》等國內外高水平期刊發表相關學術論文20余篇；主持完成遼寧省自然科學基金項目、遼寧省教育廳科學研究項目2項，參與國家自然科學基金項目、遼寧省自然科學基金項目4項；獲得各類授權專利20余件。
目錄
第1章  緒論
  1.1  研究背景和意義
  1.2  魯棒推薦技術研究現狀
    1.2.1  基於內存的魯棒推薦演算法研究現狀
    1.2.2  基於模型的魯棒推薦演算法研究現狀
    1.2.3  目前存在的問題
  1.3  主要研究內容
  1.4  本書組織結構
鎊2章基於k-距離和項目類別信息的魯棒推薦方法
  2.1  引言
  2.2  相關理論
    2.2.1  基於用戶的協同過濾推薦演算法
    2.2.2  基於k-近鄰的離群點檢測
  2.3  基於用戶的協同過濾推薦系統脆弱性分析
  2.4  基於k-距離的用戶可疑度計算
  2.5  融合用戶可疑度和項目類別信息的缺失值填充
  2.6  魯棒推薦演算法
  2.7  本章小結
第3章  基於可疑用戶度量和多維信任的魯棒推薦方法
  3.1  引言
  3.2  相關向量機
  3.3  基於相關向量機的可疑用戶度量
  3.4  可靠多維信任模型
    3.4.1  信任屬性的挖掘
    3.4.2  可靠多維信任模型的構建
  3.5  魯棒推薦演算法
  3.6  本章小結
第4章  基於模糊核聚類和支持向量蟣的魯韓推薦方法
  4.1  引言
  4.2  相關理論
    4.2.1  基本矩陣分解技術
    4.2.2  模糊核聚類
    4.2.3  支持向量機
  4.3  基於矩陣分解的協同過濾推薦系統脆弱性分析
  4.4  基於模糊核聚類的攻擊概貌檢測
  4.5  基於支持向量機的攻擊概貌識別
  4.6  魯棒推薦演算法
  4.7  本章小結
第5章  基於可疑用戶識別和TukeyM-估計量的魯棒推薦方法
  5.1  引言
  5.2  融合可疑用戶識別的可靠近鄰模型
    5.2.1  可疑用戶識別
    5.2.2  可靠近鄰模型
  5.3  基於TukeyM-估計量的魯棒矩陣分解模型
  5.4  魯棒推薦演算法
  5.5  參數值的確定
  5.6  本章小結
第6章  實驗與評價
  6.1  實驗數據集
  6.2  評價指標

  6.3  實驗設置
  6.4  基於k-距離和項目類別信息的魯棒推薦演算法性能評價
    6.4.1  演算法推薦精度的對比及分析
    6.4.2  演算法魯棒性的對比及分析
  6.5  基於可疑用戶度量和多維信任的魯棒推薦演算法性能評價
    6.5.1  演算法推薦精度的對比及分析
    6.5.2  演算法魯棒性的對比及分析
  6.6  基於模糊核聚類和支持向量機的魯棒推薦演算法性能評價
    6.6.1  演算法推薦精度的對比及分析
    6.6.2  演算法魯棒性的對比及分析
  6.7  基於可疑用戶識別和TukeyM-估計量的魯棒推薦演算法性能評價
    6.7.1  演算法推薦精度的對比及分析
    6.7.2  演算法魯棒性的對比及分析
  6.8  本章小結
結論
爹考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032