公开(公告)号：CN108897790B

公开(公告)日：2022-09-20

申请号：CN201810594764.6

申请日：2018-06-11

Applicant: 南京邮电大学

Inventor： 刘斌 ,  田力

IPC: G06F16/9535 ,  G06F16/2458

Abstract: 一种基于鲁棒协同过滤算法的推荐方法，包括如下步骤：S1、根据数据集构建用户评分矩阵Rm×n以及用户评分时间矩阵Tm×n；S2、根据Tm×n计算用户的兴趣衰减权重；S3、根据Rm×n以及用户的兴趣衰减权重将Rm×n标准化为Z‑scores，然后计算用户之间的相似度sim；S4、计算用户之间的敏感性，根据用户之间的敏感性产生拉普拉斯噪声，将该噪声加上用户原本的相似度sim，得到新的相似度sim″；S5、根据sim″，求得用户的最相似的N个邻居；S6、根据N个邻居的评分信息，使用Z‑socres标准化后的协同过滤预测评分公式，预测评分。本发明在拥有较高推荐精确度的同时还具备抵御攻击的能力，实现了推荐精确度和抵御攻击能力之间的平衡。

公开(公告)号：CN108897790A

公开(公告)日：2018-11-27

申请号：CN201810594764.6

申请日：2018-06-11

Applicant: 南京邮电大学

Inventor： 刘斌 ,  田力

IPC: G06F17/30

Abstract: 一种鲁棒协同过滤推荐算法，包括如下步骤：S1、根据数据集构建用户评分矩阵 以及用户评分时间矩阵 ；S2、根据 计算用户的兴趣衰减权重；S3、根据以及用户的兴趣衰减权重将标准化为Z-scores，然后计算用户之间的相似度sim；S4、计算用户之间的敏感性，根据用户之间的敏感性产生拉普拉斯噪声，将该噪声加上用户原本的相似度sim，得到新的相似度 ；S5、根据 ，求得用户的最相似的N个邻居；S6、根据N个邻居的评分信息，使用Z-socres标准化后的协同过滤预测评分公式，预测评分。本发明在拥有较高推荐精确度的同时还具备抵御攻击的能力，实现了推荐精确度和抵御攻击能力之间的平衡。