摘要：该文针对现有推荐算法在面对托攻击时鲁棒性不高的问题,提出一种基于模糊核聚类和支持向量机的鲁棒推荐算法。首先,根据攻击概貌间高度相关的特性,利用模糊核聚类方法在高维特征空间对用户概貌进行聚类,实现攻击概貌的第1阶段检测。然后,利用支持向量机分类器对含有攻击概貌的聚类进行分类,实现攻击概貌的第2阶段检测。最后,基于攻击概貌检测结果,通过构造指示函数排除攻击概貌在推荐过程中产生的影响,并引入矩阵分解技术设计相应的鲁棒协同推荐算法。实验结果表明,与现有的基于矩阵分解模型的推荐算法相比,所提算法不但具有很好的鲁棒性,而且准确性也有提高。

关键词：鲁棒推荐算法 托攻击 矩阵分解 模糊核聚类 支持向量机 

单位：燕山大学信息科学与工程学院; 秦皇岛066004; 河北省计算机虚拟技术与系统集成重点实验室(燕山大学); 秦皇岛066004; 辽宁工业大学电子与信息工程学院; 锦州121001