期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法
被引量：
5
1
作者
张付志
孙双侠
伊华伟
《计算机学报》
EI
CSCD
北大核心
2017年第6期1453-1469,共17页
协同推荐系统作为一种重要的个性化服务模式,在电子商务站点中的应用越来越广泛.然而,各种恶意欺骗和虚假反馈已制约了其应有效能的发挥.如何有效识别和抵御托攻击,确保系统推荐的可信性,是推荐系统研究面临的一大挑战.为了确保推荐的...
协同推荐系统作为一种重要的个性化服务模式,在电子商务站点中的应用越来越广泛.然而,各种恶意欺骗和虚假反馈已制约了其应有效能的发挥.如何有效识别和抵御托攻击,确保系统推荐的可信性,是推荐系统研究面临的一大挑战.为了确保推荐的可信性,人们提出了各种基于矩阵分解的鲁棒协同推荐算法.但是这些推荐算法在面对托攻击时不仅精度损失大,而且鲁棒性较差.为此,该文提出一种基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法.首先,采用核主成分分析方法提取用户评分矩阵的非线性特征,以充分挖掘推荐系统中用户(或项目)之间的内在关联,最大限度地保留用户和项目的特征信息,提高推荐精度和鲁棒性;然后,引入鲁棒统计中的Cauchy加权M-估计量,并联合矩阵分解模型对用户和项目特征矩阵进行鲁棒参数估计,以限制攻击概貌对参数估计过程产生的影响;最后,设计相应的鲁棒协同推荐算法,并在MovieLens和Netflix数据集上对算法的有效性进行评价.实验结果表明:该文算法在推荐精度和鲁棒性方面明显优于现有的鲁棒推荐算法.
展开更多
关键词
托攻击
鲁棒推荐算法
核函数
Cauchy加权M-估计量
矩阵分解
协同
推荐
系统
人工智能
在线阅读
下载PDF
职称材料
基于模糊核聚类和支持向量机的鲁棒协同推荐算法
被引量：
7
2
作者
伊华伟
张付志
巢进波
《电子与信息学报》
EI
CSCD
北大核心
2017年第8期1942-1949,共8页
该文针对现有推荐算法在面对托攻击时鲁棒性不高的问题,提出一种基于模糊核聚类和支持向量机的鲁棒推荐算法。首先,根据攻击概貌间高度相关的特性,利用模糊核聚类方法在高维特征空间对用户概貌进行聚类,实现攻击概貌的第1阶段检测。然后...
该文针对现有推荐算法在面对托攻击时鲁棒性不高的问题,提出一种基于模糊核聚类和支持向量机的鲁棒推荐算法。首先,根据攻击概貌间高度相关的特性,利用模糊核聚类方法在高维特征空间对用户概貌进行聚类,实现攻击概貌的第1阶段检测。然后,利用支持向量机分类器对含有攻击概貌的聚类进行分类,实现攻击概貌的第2阶段检测。最后,基于攻击概貌检测结果,通过构造指示函数排除攻击概貌在推荐过程中产生的影响,并引入矩阵分解技术设计相应的鲁棒协同推荐算法。实验结果表明,与现有的基于矩阵分解模型的推荐算法相比,所提算法不但具有很好的鲁棒性,而且准确性也有提高。
展开更多
关键词
鲁棒推荐算法
托攻击
矩阵分解
模糊核聚类
支持向量机
在线阅读
下载PDF
职称材料
基于增量式聚类和矩阵分解的鲁棒推荐方法
被引量：
3
3
作者
徐玉辰
刘真
张付志
《小型微型计算机系统》
CSCD
北大核心
2015年第4期689-695,共7页
现有基于矩阵分解的推荐算法在面对"托"攻击时鲁棒性较差,而且随着用户和项目的增加需要进行模型重构,时间代价较高.针对上述问题,提出一种基于增量式聚类和矩阵分解的鲁棒推荐方法.首先,采用基于k-median聚类的用户评分矩阵...
现有基于矩阵分解的推荐算法在面对"托"攻击时鲁棒性较差,而且随着用户和项目的增加需要进行模型重构,时间代价较高.针对上述问题,提出一种基于增量式聚类和矩阵分解的鲁棒推荐方法.首先,采用基于k-median聚类的用户评分矩阵分块算法对用户评分矩阵中的相似用户进行聚类,构建用户评分矩阵分块,并对每个分块进行鲁棒矩阵分解建立推荐模型;然后,针对新增用户(项目),利用增量式聚类算法对用户评分矩阵分块进行更新,并采用基于加权信息熵的线性回归方法,对新增用户(项目)的特征向量进行局部参数估计.在Movie Lens 1M数据集上的实验结果表明,本文提出的推荐方法不仅具有较高的推荐精度和鲁棒性,而且模型更新的时间明显减少.
展开更多
关键词
鲁棒推荐算法
增量式聚类
矩阵分解
信息熵
模型更新
在线阅读
下载PDF
职称材料
题名
基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法
被引量：
5
1
作者
张付志
孙双侠
伊华伟
机构
燕山大学信息科学与工程学院
河北省计算机虚拟技术与系统集成重点实验室(燕山大学)
出处
《计算机学报》
EI
CSCD
北大核心
2017年第6期1453-1469,共17页
基金
国家自然科学基金(61379116)
河北省自然科学基金(F2013203124
+1 种基金
F2015203046)
河北省高等学校科学技术研究重点项目基金(ZH2012028)资助~~
文摘
协同推荐系统作为一种重要的个性化服务模式,在电子商务站点中的应用越来越广泛.然而,各种恶意欺骗和虚假反馈已制约了其应有效能的发挥.如何有效识别和抵御托攻击,确保系统推荐的可信性,是推荐系统研究面临的一大挑战.为了确保推荐的可信性,人们提出了各种基于矩阵分解的鲁棒协同推荐算法.但是这些推荐算法在面对托攻击时不仅精度损失大,而且鲁棒性较差.为此,该文提出一种基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法.首先,采用核主成分分析方法提取用户评分矩阵的非线性特征,以充分挖掘推荐系统中用户(或项目)之间的内在关联,最大限度地保留用户和项目的特征信息,提高推荐精度和鲁棒性;然后,引入鲁棒统计中的Cauchy加权M-估计量,并联合矩阵分解模型对用户和项目特征矩阵进行鲁棒参数估计,以限制攻击概貌对参数估计过程产生的影响;最后,设计相应的鲁棒协同推荐算法,并在MovieLens和Netflix数据集上对算法的有效性进行评价.实验结果表明:该文算法在推荐精度和鲁棒性方面明显优于现有的鲁棒推荐算法.
关键词
托攻击
鲁棒推荐算法
核函数
Cauchy加权M-估计量
矩阵分解
协同
推荐
系统
人工智能
Keywords
shilling attacks
robust recommendation algorithm
kernel function
Cauchy weighted M-estimator
matrix factorization
collaborative recommender system
artificiall intelligence
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于模糊核聚类和支持向量机的鲁棒协同推荐算法
被引量：
7
2
作者
伊华伟
张付志
巢进波
机构
燕山大学信息科学与工程学院
河北省计算机虚拟技术与系统集成重点实验室(燕山大学)
辽宁工业大学电子与信息工程学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2017年第8期1942-1949,共8页
基金
国家自然科学基金(61379116)
河北省自然科学基金(F2015203046)
辽宁省教育厅科学研究项目(L2015240)~~
文摘
该文针对现有推荐算法在面对托攻击时鲁棒性不高的问题,提出一种基于模糊核聚类和支持向量机的鲁棒推荐算法。首先,根据攻击概貌间高度相关的特性,利用模糊核聚类方法在高维特征空间对用户概貌进行聚类,实现攻击概貌的第1阶段检测。然后,利用支持向量机分类器对含有攻击概貌的聚类进行分类,实现攻击概貌的第2阶段检测。最后,基于攻击概貌检测结果,通过构造指示函数排除攻击概貌在推荐过程中产生的影响,并引入矩阵分解技术设计相应的鲁棒协同推荐算法。实验结果表明,与现有的基于矩阵分解模型的推荐算法相比,所提算法不但具有很好的鲁棒性,而且准确性也有提高。
关键词
鲁棒推荐算法
托攻击
矩阵分解
模糊核聚类
支持向量机
Keywords
Robust recommendation algorithm
Shilling attacks
Matrix factorization
Fuzzy Kernel Clustering （FKC）
Support Vector Machine （SVM）
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
基于增量式聚类和矩阵分解的鲁棒推荐方法
被引量：
3
3
作者
徐玉辰
刘真
张付志
机构
燕山大学信息科学与工程学院
河北省计算机虚拟技术与系统集成重点实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2015年第4期689-695,共7页
基金
国家自然科学基金项目(61379116)资助
河北省自然科学基金项目(F2011203219
+2 种基金
F2013203124
F2015203046)资助
河北省高等学校科学技术研究重点项目(ZH2012028)资助
文摘
现有基于矩阵分解的推荐算法在面对"托"攻击时鲁棒性较差,而且随着用户和项目的增加需要进行模型重构,时间代价较高.针对上述问题,提出一种基于增量式聚类和矩阵分解的鲁棒推荐方法.首先,采用基于k-median聚类的用户评分矩阵分块算法对用户评分矩阵中的相似用户进行聚类,构建用户评分矩阵分块,并对每个分块进行鲁棒矩阵分解建立推荐模型;然后,针对新增用户(项目),利用增量式聚类算法对用户评分矩阵分块进行更新,并采用基于加权信息熵的线性回归方法,对新增用户(项目)的特征向量进行局部参数估计.在Movie Lens 1M数据集上的实验结果表明,本文提出的推荐方法不仅具有较高的推荐精度和鲁棒性,而且模型更新的时间明显减少.
关键词
鲁棒推荐算法
增量式聚类
矩阵分解
信息熵
模型更新
Keywords
robust recommendation algorithm
incremental clustering
matrix factorization
entropy
model update
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法
张付志
孙双侠
伊华伟
《计算机学报》
EI
CSCD
北大核心
2017
5
在线阅读
下载PDF
职称材料
2
基于模糊核聚类和支持向量机的鲁棒协同推荐算法
伊华伟
张付志
巢进波
《电子与信息学报》
EI
CSCD
北大核心
2017
7
在线阅读
下载PDF
职称材料
3
基于增量式聚类和矩阵分解的鲁棒推荐方法
徐玉辰
刘真
张付志
《小型微型计算机系统》
CSCD
北大核心
2015
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
