已閱讀1頁，還剩57頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、協(xié)同過濾推薦是推薦系統(tǒng)中運用成功的一種推薦技術，然而面對托攻擊時，已有協(xié)同過濾算法存在一些問題：首先，傳統(tǒng)的基于矩陣分解的協(xié)同過濾算法對離群點的容忍性弱，用戶和項目特征矩陣易受攻擊概貌的影響，因而模型的抗攻擊力較弱；其次，大多數(shù)算法不僅存在抗稀疏性問題而且算法的魯棒性也較弱。為了保證推薦質量，本文在現(xiàn)有的研究現(xiàn)狀基礎上，從推薦算法的魯棒模型進行了研究，旨在同時提高算法的精度和魯棒性。主要研究工作如下：
首先，本文提出了一種基于
2、核矩陣分解的魯棒協(xié)同過濾算法。然后利用評分矩陣的核映射和核距離誘導出了魯棒的核矩陣分解模型，并用尺度因子對模型中的殘差進行調整，增強了模型的抗攻擊能力，實現(xiàn)對用戶特征矩陣和項目特征矩陣魯棒性的估計。最后提出了用核空間距離的方法計算用戶間的相似度，提高了相似度計算的可信性，進而降低攻擊概貌對預測評分結果的影響。
其次，本文提出了一種基于核正則化和加權的M-估計量的魯棒推薦算法。在矩陣分解模型中，首先引入高斯核函數(shù)作為加權M-估計
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于矩陣分解的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾和矩陣分解的推薦算法的研究與改進.pdf
- 基于矩陣分解及其圖模型的協(xié)同過濾推薦算法研究.pdf
- 基于矩陣分解的并行協(xié)同過濾算法研究.pdf
- 基于奇異值和重組信任矩陣的協(xié)同過濾推薦算法的研究.pdf
- 推薦系統(tǒng)的協(xié)同過濾、矩陣分解和k近鄰方法及其優(yōu)化.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于協(xié)同過濾技術的推薦算法研究.pdf
- 基于雙邊匹配的協(xié)同過濾推薦算法.pdf
- 基于協(xié)同過濾的圖書推薦算法研究.pdf
- 基于圖構建與矩陣分解聯(lián)合學習的協(xié)同過濾算法研究.pdf
- 基于協(xié)同過濾技術的推薦算法研究
- 基于用戶行為協(xié)同過濾推薦算法.pdf
- 基于SVD的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的器件推薦算法研究.pdf
- 基于托攻擊檢測的魯棒非負矩陣分解推薦算法.pdf
- 協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾算法的電影推薦系統(tǒng)
- 基于協(xié)同過濾的圖書推薦算法研究
- 基于MapReduce的協(xié)同過濾推薦算法研究.pdf
評論
0/150
提交評論