基于改进支持向量机的推荐系统托攻击检测方法.pdfVIP

2016 年9 月15 日 现代电子技术 Sep. 2016 第39 卷第18 期 Modern Electronics Technique Vol. 39 No. 18 96 96 doi ：10.16652/j.issn. 1004⁃373x.2016.18.024 基于改进支持向量机的推荐系统托攻击检测方法 李华中，杨景花 （商丘学院 计算机工程学院，河南 商丘 476113 ） 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MovieLense 100K 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 中图分类号：TN98⁃34 ；TP311 文献标识码：A 文章编号：1004⁃373X （2016 ）18⁃0096⁃03 Method of improved support vector machine based shilling attack detection for recommendation system LI Huazhong ，YANG Jinghua （College of Computer Science and Technology ，Shangqiu University ，Shangqiu 476113 ，China ） Abstract ：A support vector machine algorithm with good generalization ability is used to establish the shilling attack detec⁃ tion model of recommendation system. In traditional support vector machine algorithm ，the specific parameters of the penalty fac⁃ tor used to control the misrecognition sample penalty and insensitive loss parameters are determined by users ，which can decide the performance of support vector machine to a great extent. The convergence performance of the standard PSO algorithm de⁃ pends on the selection of the important parameters ，suc