-
公开(公告)号：CN108470052A
公开(公告)日：2018-08-31
申请号：CN201810200894.7
申请日：2018-03-12
Applicant: 南京邮电大学
Abstract: 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。
-
公开(公告)号：CN108470052B
公开(公告)日：2021-03-19
申请号：CN201810200894.7
申请日：2018-03-12
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06F17/16
Abstract: 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。
-
公开(公告)号：CN107590167A
公开(公告)日：2018-01-16
申请号：CN201710036828.6
申请日：2017-01-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于归纳型矩阵补全的大规模社交图像自动标注算法，主要用于解决大规模社交图像的标签缺失和含噪问题，从而提高图像自动标注的准确性。本发明一方面引入归纳型矩阵补全技术，对新加入图像或无标签图像进行自动标注；另一方面融合图像标签矩阵的低秩性及其所固有的稀疏性，对缺失或含噪的图像标签进行预测或纠错，增强图像标注的准确性；再一方面采用机器学习中流行的优化求解方法，对本发明的问题模型进行求解，实现大规模应用。本发明很好地提高了图像标注的准确性和规模性。
-
-
Search Results
3
records
(took 0.025 seconds)
