关键词：推荐系统;;托攻击检测;;无监督策略
摘 要：协同过滤推荐系统中,推荐结果对用户偏好信息的敏感性使得推荐系统易受到人为攻击,即托攻击。恶意用户可以任意使用多重身份,或者是多个人来参与,都能注入恶意信息到推荐系统中。这类攻击严重影响了推荐系统的鲁棒性和准确性。这里深入分析了托攻击,结合主成分分析和变量选择方法,提出一个高精确度鲁棒的协同过滤系统架构,以保护推荐系统抵御用户概貌注入攻击。最后,通过实验验证表明该新型的高精确度的协同过滤系统可以取得更好的检测精度。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取