【技术实现步骤摘要】
本专利技术涉及推荐系统训练，特别是指一种基于正负向扰动的推荐系统对抗性训练方法。
技术介绍
1、推荐系统通过对用户属性、用户与商品的交互历史及环境等信息进行分析，挖掘用户偏好来对用户进行个性化推荐。现如今，推荐系统已广泛应用于电子商务、社交网络、新闻推送以及信息检索等诸多领域。然而，推荐系统在为用户带来便利的同时也存在着一定的安全隐患，由于现阶段许多推荐系统鲁棒性存在不足的问题，一些有心的攻击者人为的向推荐系统中注入大量的虚假评分或评论等内容，企图干扰推荐系统使其向某种特定方向推荐。这种行为将极大的影响推荐系统的推荐质量和推荐效果，可能会达到攻击者预定的效果，造成重大损失。在这种推荐系统蓬勃发展并广泛应用的情况下，推荐系统的鲁棒性却不能得到保障。在这种背景和迫切的需求下，急需更多相关工作保证推荐系统能够鲁棒的进行推荐。
2、目前很多推荐系统鲁棒性训练工作仅基于部分商品交互的用户群，或者采用与实际攻击情况并不相符的训练方式提升模型性能，覆盖面较小，需要考虑真实状况下模型鲁棒性提升的方式。推荐系统的开放性使针对推荐系统的数据投毒...
【技术保护点】
1.一种基于正负向扰动的推荐系统对抗性训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述训练集进行正/负向扰动，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述根据该训练集中训练样本的影响力数值，生成正/负向扰动样本，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述对于排序靠前的训练样本，使用正/负面变分自编码器生成相应的正/负向扰动样本，具体包括：
5.根据权利要求3所述的方法，其特征在于，所述根据生成的正/负向扰动样本对该训练集进行更新，具体包括：
6....
【技术特征摘要】
1.一种基于正负向扰动的推荐系统对抗性训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述训练集进行正/负向扰动，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述根据该训练集中训练样本的影响力数值，生成正/负向扰动样本，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述对于排序靠前的训练样本，使用正/负面变分自编码器生成相应的正/负向扰动样本，具体包括：
5.根据权利要求3所述的方法，其特征在于，所述根据生成的正/负向扰动样本对该训练集进行更新，具体包括：
6.根据权利要求5所述的方法，其特征在于，在所述使用经过负向扰动的训练集，对所述推荐系统进行训练后，还包括：
7.根据权利要求3...
【专利技术属性】
技术研发人员：潘凯强，朱亚东，王鹏飞，
申请(专利权)人：北京元灵数智科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。