声明
第1章 绪 论
1.1研究背景和意义
1.2 鲁棒推荐技术研究现状
1.3 主要研究内容
1.4 本文组织结构
第2章 基于k-距离和项目类别信息的鲁棒推荐方法
2.1 引言
2.2 相关理论
2.3 基于用户的协同过滤推荐系统脆弱性分析
2.4 基于k-距离的用户可疑度计算
2.5 融合用户可疑度和项目类别信息的缺失值填充
2.6 鲁棒推荐算法
2.7 本章小结
第3章 基于可疑用户度量和多维信任的鲁棒推荐方法
3.1 引言
3.2 相关向量机
3.3 基于相关向量机的可疑用户度量
3.4可靠多维信任模型
3.5 鲁棒推荐算法
3.6 本章小结
第4章 基于模糊核聚类和支持向量机的鲁棒推荐方法
4.1 引言
4.2 相关理论
4.3 基于矩阵分解的协同过滤推荐系统脆弱性分析
4.4 基于模糊核聚类的攻击概貌检测
4.5 基于支持向量机的攻击概貌识别
4.6 鲁棒推荐算法
4.7 本章小结
第5章 基于可疑用户识别和Tukey M-估计量的鲁棒推荐方法
5.1 引言
5.2 融合可疑用户识别的可靠近邻模型
5.3 基于Tukey M-估计量的鲁棒矩阵分解模型
5.4 鲁棒推荐算法
5.5 参数值的确定
5.6 本章小结
第6章 实验与评价
6.1 实验数据集
6.2 评价指标
6.3 实验设置
6.4 基于k-距离和项目类别信息的鲁棒推荐算法性能评价
6.5 基于可疑用户度量和多维信任的鲁棒推荐算法性能评价
6.6 基于模糊核聚类和支持向量机的鲁棒推荐算法性能评价
6.7 基于可疑用户识别和Tukey M-估计量的鲁棒推荐算法性能评价
6.8 算法运行时间的对比
6.9 本文算法之间的对比
6.10 本章小结
结论
参考文献
攻读博士学位期间承担的科研任务与主要成果
致谢