融合推荐攻击在线集成检测和多维信任机制的可信推荐模型及关键技术研究

项目名称： 融合推荐攻击在线集成检测和多维信任机制的可信推荐模型及关键技术研究

项目编号： No.61379116

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 张付志

作者单位： 燕山大学

项目金额： 75万元

中文摘要： 协同推荐作为一种重要的个性化服务模式，在电子商务中的应用越来越广泛。然而，各种恶意欺骗和虚假反馈已制约了其应有效能的发挥。如何有效识别和抵御推荐攻击，确保推荐的可信性成为亟待解决的问题。为此，本课题将采用TF-IDF技术、互信息方法、信息熵与Hilbert-Huang变换理论，分别从不同的视角提取和表征推荐攻击的特征，利用增量学习和分类器集成方法，建立推荐攻击的在线集成检测机制，实现推荐攻击的在线学习和高精度检测；基于信息来源可靠性理论，挖掘用户的信任属性，通过融合用户嫌疑性信息，构建用户信任属性的加权计算模型，并在此基础上建立可靠的多维信任计算模型；依据矩阵分析和鲁棒统计理论，建立融合用户嫌疑性信息与信任信息的鲁棒分层矩阵分解模型，并通过鲁棒参数估计构建可信的推荐模型，为建立可信的电子商务推荐系统提供理论和实践依据。因此，本课题的研究具有重要的理论意义和应用价值。

中文关键词： 推荐系统；推荐攻击；推荐攻击检测；多维信任；可信推荐模型

英文摘要： As an important mode of personalization service, collaborative recommendation has been used more and more widely in e-commerce. However, all kinds of malicious deception and fake ratings have restricted its function which it should have. How to effectivel

英文关键词： Recommender systems；Recommendation attacks；Recommendation attack detection；Multidimensional trust；Trustworthy recommendation model