控制理论与应用

作者：陈晋音,吴洋洋,林翔

单位：浙江工业大学,浙江工业大学,浙江工业大学

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

基金：国家自然科学基金(61502423)

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,本文围绕三个问题展开,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模拟评论文本,并依据情感分析确定生成文本的对应评分；为提高推荐系统对虚假评论的过滤的能力,提出一种能快速确定节点执行度阈值的基于图的过滤器；最后本文设计了基于图结构过滤的快速密度聚类双层网络,提高推荐的准确率。将所提出的推荐算法应用到Yelp数据集上展开实验,验证过提出方法的有效性。

来源：2019年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2019年第4期