论文信息 - Bipartite Preference aware Robust Recommendation System

Bipartite Preference aware Robust Recommendation System

온라인 시스템이 활성화 되고 접근 가능한 정보의 양이 늘어나면서 추천 시스템의 영향력 또한 커지고 있다. 하지만 일부 악의적인 유저들의 공격으로 인해 시스템에 대한 신뢰도를 저하시키고 조작하려는 시도가 늘고 있다. 본 연구팀은 해당 리뷰에 대한 공감, 비공감 비율을 분석하고 이를 추천 시스템에 적용함으로써 추천 시스템의 성능을 향상시키고 강건한 시스템을 유지할 수 있는 방법을 제안한다. 실제 영화 데이터를 수집하여 적용해 본 결과 기존의 추천 시스템보다 향상된 성능을 보였다.

Chong-kwon Kim | Hayoung Oh | Jae-Hoon Lee

[1] Prateek Mittal,et al. SybilBelief: A Semi-Supervised Learning Approach for Structure-Based Sybil Detection , 2013, IEEE Transactions on Information Forensics and Security.

[2] Neil J. Hurley,et al. Recommender Systems: Attack Types and Strategies , 2005, AAAI.

[3] Zunping Cheng,et al. Statistical attack detection , 2009, RecSys '09.

[4] Neil J. Hurley,et al. Promoting Recommendations: An Attack on Collaborative Filtering , 2002, DEXA.

[5] Sanjeev R. Kulkarni,et al. Detection of shilling attacks in recommender systems via spectral clustering , 2014, 17th International Conference on Information Fusion (FUSION).

[6] Bamshad Mobasher,et al. Model-Based Collaborative Filtering as a Defense against Profile Injection Attacks , 2006, AAAI.

[7] Bamshad Mobasher,et al. Classification features for attack detection in collaborative recommender systems , 2006, KDD '06.

[8] Chong-kwon Kim,et al. STA : Sybil Type-aware Robust Recommender System , 2015 .

[9] John R. Douceur,et al. The Sybil Attack , 2002, IPTPS.

[10] Bamshad Mobasher,et al. Defending recommender systems: detection of profile injection attacks , 2007, Service Oriented Computing and Applications.