Chiron：一种带图正则化器的鲁棒推荐系统
信息检索
2016-11-16 v2 密码学与安全
摘要
推荐系统已被商业服务提供商广泛用于向用户给出建议。协同过滤（CF）系统作为最流行的推荐系统之一，利用全体用户群的行为历史提供个性化推荐，且当几乎所有用户忠实表达其意见时有效。然而，它们易受恶意用户偏置其输入以改变特定物品组总体评分的影响。CF系统大体分为两类——基于邻域的和基于（矩阵）分解的——对抗性输入的存在会影响这两类推荐，导致估计与预测的不稳定。尽管不同协同过滤算法的鲁棒性已被广泛研究，设计一种免遭操纵的高效系统仍是一项重大挑战。本工作中，我们提出一种新颖的“混合”推荐系统，带有自适应基于图的用户/物品相似度正则化——“Chiron”。Chiron将降维（通过分解）的性能优势与邻域聚类（通过正则化）的优势结合起来。我们通过大量对比实验证明，Chiron能抵抗大规模致命攻击的操纵。
引用
@article{arxiv.1604.03757,
title = {Chiron: A Robust Recommendation System with Graph Regularizer},
author = {Saber Shokat Fadaee and Mohammad Sajjad Ghaemi and Ravi Sundaram and Hossein Azari Soufiani},
journal= {arXiv preprint arXiv:1604.03757},
year = {2016}
}