原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
互联网技术的发展不断刺激着信息资源的快速增长，在大量的信息交互过程中，信息过载已经成为数字行业中的一种普遍现象[1-2]，由此推动了推荐系统的产生。在众多的推荐方法中，协同过滤推荐是使用最为广泛的一种[3]，尤其是随着深度学习在推荐领域的应用，融合深度学习和协同过滤的推荐系统得到深入研究[1]。然而，由于推荐系统的开放性，协同过滤推荐系统中存在欺诈攻击风险[4-5]，即恶意用户通过向推荐系统中注入大量设计好的虚假评分概貌达到影响推荐结果的目的。已有研究表明，这些欺诈评分概貌的存在严重影响了推荐结果的准确性，降低了推荐用户对系统的满意度，由此制约了推荐系统的良性健康发展[6]。
自推荐系统中的欺
文档评论（0）