[发明专利]一种基于矩阵补全的抗托攻击推荐算法

摘要

本发明公开了一种基于矩阵补全的抗托攻击推荐算法，首先统计用户对项目的评分，提取用户的属性特征和项目的属性特征，分别构建用户‑项目评分矩阵，用户属性特征矩阵和项目属性特征矩阵；然后将用户‑项目评分矩阵中的托攻击评分建模为矩阵补全模型中的结构化噪声；然后采用分块坐标下降算法对各变量进行迭代更新，求得结构化行噪声矩阵；随后根据结构化行噪声矩阵剔除用户‑项目评分矩阵中的托攻击评分；最后使用传统推荐算法进行评分预测，求得预测评分矩阵。本发明提供的推荐算法能够有效地检测出推荐系统中的托攻击用户，在托攻击干扰下可取得比传统推荐算法更精确的个性化评分预测效果，有效提高了推荐算法的鲁棒性。

主权项

1.一种基于矩阵补全的抗托攻击推荐算法，其特征在于：包括如下步骤：1)建立用户‑项目评分矩阵R：在推荐系统中，m名用户构成用户集合U＝{u₁,u₂,…u_m}，n件项目构成项目集合I＝{i₁,i₂,…i_n}，则用户‑项目评分矩阵可表示为其中，用户u对项目i的评分记作ri,j，“*”表示已知评分，“？”表示未知评分；2)建立基于矩阵补全的推荐模型：基于矩阵补全的推荐模型建模为：其中Ω集合表示评分矩阵中已收到评分的元素下标集合，X矩阵是低维未知矩阵，为矩阵核范数，σ_i为矩阵X的第i大奇异值，是投影算子，表示当元素下标(i,j)∈Ω时，得到对应位置采样元素：3)根据步骤2)建立基于属性优化矩阵补全的托攻击检测模型：基于属性优化矩阵补全的托攻击检测模型为：其中，Z表示结构化噪声矩阵，‖X‖_*和‖Z‖_2,1分别表示对X矩阵进行低秩性约束以及对Z矩阵进行行稀疏性约束，是为了平滑评分细微波动的正则化项，λ，β为可调参数，表示评分矩阵中已反馈的评分元素下标集合；4)求解基于属性优化矩阵补全的托攻击检测模型，得到结构化行噪声矩阵Z；5)根据步骤4)中计算得到的结构化噪声矩阵Z从用户‑项目矩阵R中剔除托攻击评分；6)采用传统推荐系统对修正后用户‑项目评分矩阵进行评分预测，求得完整的用户‑项目评分矩阵，基于完整的用户‑项目评分矩阵中的预测评分对目标用户进行项目推荐。