文献

J-GLOBAL ID：201702246745405864   整理番号：17A0698534

標的ユーザと項目の解析による評価システムのためのスポッティング異常評価【Powered by NICT】

Spotting anomalous ratings for rating systems by analyzing target users and items

著者 (4件)： Yang Zhihai (School of Computer Science and Engineering, Xi’an University of Technology, Xi’an, China) ,  Yang Zhihai (Ministry of Education Key Lab for Intelligent Networks and Network Security, Xi’an Jiaotong University, Xi’an 710049, China) ,  Cai Zhongmin (Ministry of Education Key Lab for Intelligent Networks and Network Security, Xi’an Jiaotong University, Xi’an 710049, China) ,  Yang Yuan (Ministry of Education Key Lab for Intelligent Networks and Network Security, Xi’an Jiaotong University, Xi’an 710049, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 240  ページ： 25-46  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： オンライン格付けシステムは推薦システムにおいて重要な役割を果たす。協調フィルタリング推薦システムは実際に「シリング」攻撃に非常に脆弱である。攻撃に基づく攻撃検出は,過去10年間に広く研究されているが,この問題に関する研究は,末端に達していなかった。さらに,既存の特徴のみを用いてそれらの検出性能を改善することは容易ではない。本論文では,このような攻撃,二段階からなるを守るために教師なし検出法を示した。ユーザと項目の既存の特徴に基づいて,適応局所と大域的構造学習の利点をもつ適応構造学習を用いた選択したより効果的な特徴。第一段階では,ユーザが選択した特徴に基づく密度ベースのクラスタリング法を用いて決定した。,さらに第一段階の結果に基づいて関与している攻撃を検出するための項目の選択された特徴は,疑わしい項目を見出すために適用した。最後に,攻撃者は検出することができた。MovieLens100Kデータセット上での包括的実験は競合する方法と比較して,提案した方法の有効性を実証した。アマゾンデータセットの異常評価と項目を含む興味ある所見を発見も検討することは注目すべきである。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *検出 ,  フィルタリング ,  検出法 ,  実験 ,  等級づけ
準シソーラス用語： 攻撃者 ,  クラスタリング法 ,  構造学習 ,  検出能 ,  協調フィルタリング ,  推奨システム ,  オンライン ,  *評価システム , 【Automatic Indexing@JST】

著者キーワード (4件)： 推薦システム ,  適応構造学習 ,  いんちき攻撃 ,  異常検出

分類 (2件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： 標的 ,  解析 ,  評価システム ,  評価