基于图过滤的快速密度聚类双层网络推荐算法
陈晋音
吴洋洋
林翔
1.浙江工业大学 信息工程学院,浙江 杭州,3100002.浙江工业大学 信息工程学院,浙江 杭州,3100003.浙江工业大学 信息工程学院,浙江 杭州,310000
摘要：信息过载问题使得推荐系统迅速发展并广泛应用,同时也出现不法商家将虚假消费记录定量地输入到系统数据库从而改变推荐系统的推荐结果以获利.因此,本文围绕3个问题展开,即:为了提高推荐系统对虚假评论的鉴别能力,首先需要准确标注虚假评论的类标,如何能获取大量准确标定的虚假评论信息;如何有效过滤虚假评论从而提高推荐的可靠性;如何实现一种高效可靠的推荐系统.针对虚假评论信息难以准确标定,本文提出了一种基于文本生成式对抗网络的自动点评技术,依据历史评论文本自动生成虚假评论文本,并依据情感分析确定生成文本的对应评分;为了提高推荐系统对包含虚假信息数据的推荐效果,本文提出了一种基于图过滤的快速密度聚类双层网络推荐算法.该算法首先提出了一种能快速确定节点执行度阈值的基于图的过滤器,有效过滤数据内虚假信息,并设计了一种快速密度聚类双层网络推荐算法,提高推荐效果.将所提出的推荐算法应用到Yelp数据集上展开试验,验证本文提出的推荐方法的有效性.
关键词：对抗生成式网络自动点评基于图的过滤器聚类推荐算法
分类号：TP310(计算技术、计算机技术)
资助基金：国家自然科学基金(61502423)国家自然科学基金(61572439)浙江省科技计划(LGF18F030009)国家其他科技项目(20151BAB207043)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 542-552 )
英文信息