1.背景
インターネット技術の急速な発展に伴い、インターネット上の情報資源が爆発的に増加し、情報過多問題：情報の受信者または処理者が受信した情報は、その情報処理能力をはるかに超えています。このような状況下で、推奨システム存在するようになりました。
2.レコメンデーションシステムの定義
レコメンデーションシステムは、ユーザーの個人情報、商品購入行動、商品評価フィードバックなどの情報を通じてユーザーの個人的な興味の好みを分析し、ユーザーが興味を持ちそうな商品情報を推薦することで、ユーザーにパーソナライズされたレコメンデーションを実現します。1997年、ResnickとVarianはレコメンデーションシステムを定義しました。レコメンデーションシステムは、eコマースWebサイトを通じて顧客に製品に関する情報と提案を提供し、ユーザーが購入する製品を決定するのを支援し、販売スタッフをシミュレートして顧客が購入プロセス。
3、レコメンデーションアルゴリズム
レコメンデーションアルゴリズムはレコメンデーションシステムの中核です。レコメンデーションアルゴリズムは関数に抽象化できます。関数の入力側はいくつかのパラメーターを受け取り、出力側は戻り値です。図1に示すように、推奨アルゴリズムを簡略化できます。
図1では、レコメンデーションアルゴリズムの入力値は、名前、年齢、発行元、リリース時間など、ユーザーとアイテムの属性です。次に、レコメンデーションアルゴリズムは収集された属性を処理し、ユーザーアイテムの設定の順序付きリストを返します。
現在、レコメンデーションアルゴリズムには、主に協調フィルタリングレコメンデーションアルゴリズム、ハイブリッドレコメンデーションアルゴリズム、コンテンツベースレコメンデーションアルゴリズムが含まれ、その中で協調フィルタリングレコメンデーションアルゴリズムが最も広く使用されています。協調フィルタリング推奨アルゴリズムは、推奨アルゴリズムで非常に一般的に使用されるアルゴリズムです。そのアイデアは、ユーザーグループの既存の履歴動作を使用して、現在のユーザーの可能な設定を予測することです。協調フィルタリング推奨システムを使用すると、正確な情報を提供し、ユーザーに高品質の推奨を提供できるため、企業はより大きな利益を得ることができ、ユーザーはより良いサービスを得ることができます。レコメンデーションシステムは、ユーザーに対してより良いレコメンデーションを行うためにユーザーの評価を収集する必要があるため、一部の悪意のあるユーザーは、ユーザーに公開されているレコメンデーションシステムの機能を利用し、システムに多くの偽のユーザー評価情報を追加して変更を試みます。推奨結果これは「トラストアタック」と呼ばれます。トラスト攻撃は、攻撃の目的に応じて、プッシュ攻撃と核攻撃の2つのカテゴリに分類できます。
レコメンデーションシステムが信頼攻撃に直面すると、レコメンデーションのパフォーマンスが大幅に低下し、レコメンデーション結果に偏差が生じ、ユーザーの不満や販売者の利益への損害につながる可能性があります。このトピックでは、主に、レコメンデーションシステムの堅牢性を向上させる方法、つまり、システムの攻撃防止能力を向上させ、悪意のあるユーザーの影響を回避し、レコメンデーション結果の信頼性を確保する方法について学習します。これにより、ユーザーは本当に必要な商品を購入できるようになり、販売者の信頼性が高まり、商品の売り上げが増加し、信頼できるグリーンeコマースメカニズムの確立を効果的に保証できます。