基于免疫网络的具有防欺骗特性的推荐系统及其研究(最新版1).docVIP

基于免疫网络的具有防欺骗特性的推荐系统及其研究(最新版1).doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于免疫网络的具有防欺骗特性的推荐系统及其研究(最新版1).doc

分类号: TP312 密 级: 公 开 UDC: 004.4 论文编号: 东 南 大 学 硕 士 学 位 论 文 论文题目 基于免疫网络的具有防欺骗特性的推荐系统及其研究 申请学位类别 硕士 专业名称 计算机软件与理论 研究方向 人工智能 论文提交日期 THE RESEARCH ON A RECOMMENDER SYSTEM WITH DEFENDING SHILLING ATTACKS BASED ON THE IMMUNE NETWORK A Dissertation Submitted to Southeast University For the Academic Degree of Master Engineering School of Computer Science Engineering Southeast University May 2009 东 南 大 学 学 位 论 文 独 创 性 声 明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名: 日 期: 东 南 大 学 学 位 论 文 使 用 授 权 声 明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外,允许论文被查阅和借阅,可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权东南大学研究生院办理。 研究生签名: 导师签名: 日 期: 摘 要 推荐系统可为用户提供个性化服务,成为当前研究热点。但由于推荐系统本身的缺陷而容易受到欺骗攻击,特别是“托”攻击。推荐系统已有的欺骗攻击检测方法可以在一定程度降低欺骗攻击对推荐系统的危害,但是却不能够适应欺骗手段的更新。本文基于免疫网络推荐算法,使用欺骗攻击疫苗和黑名单,引入可信机制,提出了基于免疫网络的具有防欺骗特性的推荐算法(RADSAIN)。 本文的主要工作有:(1)分析了已有的推荐系统欺骗攻击检测方法和基于免疫网络的推荐算法,构建了具有防欺骗特性的推荐系统框架FRSDSA;(2)提出了基于免疫网络的具有防欺骗特性的推荐算法RADSAIN,并通过仿真实验验证了RADSAIN算法的有效性;(3)实现了基于RADSAIN算法的推荐系统RSDSAIN,并通过电影推荐来显示推荐系统RSDSAIN的效果。 本文主要贡献有:(1)通过随机攻击、倾向攻击和分块攻击三种通用欺骗攻击疫苗,有效降低欺骗攻击对推荐系统的推荐结果造成的影响。(2)利用黑名单来预防欺骗攻击,可以有效地降低不同欺骗手段对推荐系统的危害,提高推荐的准确率。(3)利用单层BP神经网络更新可信度。 本文在已有相关工作的基础上,引入欺骗过滤机制,提高了推荐精确度,特别是随机攻击、倾向攻击和分块攻击时,效果更加明显。 关键词: 推荐, 欺骗攻击,免疫网络,疫苗,黑名单 Abstract Nowadays the research on recommender systems are a hot research topic as recommender systems can provide personalized services to end-users. However, the flaw of a recommender system itself makes it particularly vulnerable to deceiving attacks especially the shilling attacks. The current solutions to shilling attacks of recommender systems could reduce the harm of shilling attacks to recommender systems to a certain extent, but they can n

文档评论(0)

lnainai_sj + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档