论文研究一种结合用户可信度与相似度的鲁棒性推荐算法.pdf

协同过滤推荐系统面临着托攻击的安全威胁。研究抵御托攻击的鲁棒性推荐算法已成为一个迫切的课题。传统的鲁棒性推荐算法在算法稳定性与推荐准确度之间难以权衡。针对该问题，首先定义一种用户可信度指标；然后改进传统的相似度计算方法，通过结合用户可信度与改进的相似度，滤除攻击概貌，为目标用户作出推荐。实验表明，与传统算法相比，该算法具备更强的稳定性，同时保持了良好的推荐准确度。