利用离群点算法预处理协同过滤推荐系统数据

• 作者: 周莹莹 王晓军
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 推荐系统 协同过滤 离群点 离群因子
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 安 全 与 防 范
• 页码范围: 129-133
• 页数: 5页
• 分类号: TP302.1
• 字数: 4335字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.09.028

摘要

由于电子商务系统的开放性和推荐系统用户的广泛参与性，推荐系统很容易受到攻击。出于某种目的的用户向系统中注入恶意信息，导致推荐质量受到威胁，因此过滤掉恶意信息成为迫切需要。离群点检测用于从数据集中找到明显偏离其他数据对象或不满足一般对象行为特征的对象。为了提高推荐系统的鲁棒性，保证推荐系统的高质量，文中利用局部离群点检测算法计算出每个用户的局部离群因子( LOF)，过滤掉离群因子较高的用户，然后运用协同过滤算法为系统中剩下的用户做推荐。实验结果表明，与传统的协同过滤推荐算法相比，此方法在提高推荐质量上取得了一些好的效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓军	南京邮电大学信息网络技术研究所	28	180	9.0	12.0
2	周莹莹	南京邮电大学信息网络技术研究所	1	2	1.0	1.0