论文部分内容阅读
协同过滤推荐系统极易受到托攻击的侵害．开发托攻击探测技术已成为保障推荐系统可靠性与鲁棒性的关键．本文以数据非随机缺失机制为依托，对导致评分缺失的潜在因素进行解析，并在概率产生模型框架内将这些潜在因素与Dirichlet过程相融合，提出了用于托攻击探测的缺失评分潜在因素分析（Latent factor analysis for missing ratings，LFAMR）模型．实验表明，与现有探测技术相比，LFAMR具备更强的普适性和无监督性，即使缺乏系统相关先验知识，仍可有效探测各种常见托攻击．