检索结果-内蒙古大学图书馆

作者：袁胜宇燕山大学

学位级别：硕士

推荐系统在提供精准个性化服务的同时,容易受到恶意用户的攻击。一些组织在利益的驱动下,通常向推荐系统中注入欺诈概貌,对目标项目进行吹捧或者打压。这种群体攻击行为比个体攻击行为对推荐系统造成的危害更大。如何高效检测对推荐系... 详细信息

推荐系统在提供精准个性化服务的同时,容易受到恶意用户的攻击。一些组织在利益的驱动下,通常向推荐系统中注入欺诈概貌,对目标项目进行吹捧或者打压。这种群体攻击行为比个体攻击行为对推荐系统造成的危害更大。如何高效检测对推荐系统安全性造成严重破坏的群组欺诈攻击,是当前需要急迫解决的问题。国内外研究者通过提出基于有监督和无监督的检测群组攻击方法,降低了群组攻击对推荐系统的影响。但是,有监督检测方法通常需要标记用户对模型进行训练,根据训练结果进行群组分类,该检测效果强依赖于标记的用户和训练器的选择。无监督检测方法虽然不要求训练样本带有标签,但是需要足够的先验知识。针对这些检测方法的局限性,本文根据网络结构特性提出基于稠密子图挖掘的群组攻击检测方法。首先,针对目前基于图模型的相关检测方法,存在划分的子图结构稀疏的问题。本文提出一种基于三角稠密子图挖掘的群组攻击检测方法。该方法通过分析数据集中用户的评分数据,提取相应的评分时间和评分信息,建立用户之间的关联关系,进而构建用户关系图。利用改进的三角稠密子图挖掘方法并结合Personalize Page Rank种子扩展算法,对稠密子图中的节点进行扩展,查找候选群组。根据群组检测指标计算每个候选群组的可疑度,从而得到攻击群组。其次,针对目前基于社区发现的相关检测方法,通常疏忽了群体之间的拓扑结构关系问题。本文提出一种基于派系过滤的群组攻击检测方法。该方法通过引入产品怀疑度,分析项目受欢迎度得到被攻击的概率,找到用户之间相似关系进而构建用户关系图。利用派系过滤算法找到连接密集且结构为3-clique的社团。从群组行为特点和群组网络结构特点两个角度提取检测指标,衡量每个候选群组的可疑度,生成攻击群组列表。最后,在Amazon和Yelp数据集上对本文所提出的方法进行实验,并将实验结果与已有的检测群组攻击方法作对比,验证两种检测方法的有效性。

关键词：推荐系统群组攻击稠密子图挖掘 PPR种子扩展算法派系过滤算法

来源：评论

学校读者我要写书评

暂无评论

面向二部图的极大缺陷二团高效枚举算法

引用

软件学报 2025年第4期36卷 1796-1810页

作者：代强强于瀚文李荣华李振军王国仁北京理工大学计算机学院北京100081 深圳城市职业技术学院信息与通信学院广东深圳518038

极大二团枚举问题是二部图分析中的一个基本研究问题.然而,在实际应用中,传统二团模型要求子图必须为完全二部图的约束往往过于严格,因此需要一些更为宽松的二团模型作为代替.为此,提出一种新的称之为k-缺陷二团的松弛二团模型.该模型... 详细信息

极大二团枚举问题是二部图分析中的一个基本研究问题.然而,在实际应用中,传统二团模型要求子图必须为完全二部图的约束往往过于严格,因此需要一些更为宽松的二团模型作为代替.为此,提出一种新的称之为k-缺陷二团的松弛二团模型.该模型允许二部图子图与完全子图二团最多相差k条边.由于极大k-缺陷二团枚举问题属于NP-难问题,设计高效的枚举算法是一项极具挑战性的任务.为解决此问题,提出一种基于对称集合枚举的算法.该算法的思想是通过k-缺陷二团中缺失边的数量约束来控制子分支的数量.为进一步提高计算效率,还提出一系列优化技术,包括基于排序的子图划分方法、基于上界的剪枝方法、基于线性时间的更新技术以及分支的优化方法.此外,提出的优化算法的时间复杂度与量的实验结果表明,在大部分参数条件下所提方法的效率相较于传统分支定界方法提高了100倍以上.

关键词：二部图稠密子图挖掘 k-缺陷二团

来源：评论

学校读者我要写书评

暂无评论

稠密子图抽取及其应用

稠密子图抽取及其应用

引用

作者：王荣杰华南理工大学

学位级别：硕士

随着信息技术的发展,大量的数据使用图来建模实体之间的关系。从复杂的图数据中挖掘出有效的信息具有重要的理论意义和应用价值。稠密子图抽取是图数据挖掘的基本任务之一,目标在于从复杂的图中,抽取出结点间连接紧密的子图,被广泛地应... 详细信息

随着信息技术的发展,大量的数据使用图来建模实体之间的关系。从复杂的图数据中挖掘出有效的信息具有重要的理论意义和应用价值。稠密子图抽取是图数据挖掘的基本任务之一,目标在于从复杂的图中,抽取出结点间连接紧密的子图,被广泛地应用在社交网络、生物信息学和社会学等领域中。本文提出一种基于最大加权k-团密度的稠密子图抽取方法。首先定义了加权k-团密度来衡量子图的稠密程度,然后提出了最大加权k-团密度问题,一种新的稠密子图抽取方式。对于最大加权k-团密度问题,本文设计了一个多项式时间复杂度的精确算法,通过将问题分解为一系列的最小割问题来求解。同时,本文还设计了一个更高效的近似算法,并证明了该近似算法的近似比。在大量数据集上的实验表明,提出的基于最大加权k-团密度的稠密子图抽取方法能够有效地抽取出稠密子图,并且抽取出的子图的密度都要优于现有的稠密子图抽取方法。最后,本文将稠密子图抽取方法应用于异常检测的特征选择任务上。通过构造特征异常图,来捕获特征本身和特征对组合的异常度。在特征异常图上使用提出的稠密子图抽取算法进行稠密子图抽取,抽取出的子图顶点即代表与异常检测相关的特征。实验表明,该算法能够有效过滤掉和异常检测无关的特征,提升无监督异常检测模型的性能。

关键词：稠密子图挖掘图数据挖掘最小割图算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：