买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：之江实验室;北京大学

摘要：本发明设计了一种结合评价文本的抗注入攻击的鲁棒推荐方法和系统。该方法包括：1采用图神经网络模型，利用图上已知信息和计算出的统计信息，训练评价打分预测模型；2利用文本生成模型和预测打分训练个性化评价文本生成模型；3根据评价打分预测模型与个性化评价文本生成模型的预测值与真实值误差，训练攻击检测模型。本发明集评价打分预测模型、个性化评价文本生成模型、攻击检测模型于一体，使三个任务协同起来，互相促进。该方案充分利用评价文本信息，对“水军”用户产生的反馈数据做了更细粒度的划分和利用，同时可以自动缓解电商推荐平台中“注入攻击”对推荐精确度造成的影响，提升推荐算法的鲁棒性。

主权项：1.一种结合评价文本的抗注入攻击的鲁棒推荐模型训练方法，其特征在于，包括以下步骤：训练评价打分预测模型；根据评价打分预测模型预测的评价打分和产生的用户表示、商品表示，训练个性化评价文本生成模型；根据评价打分预测模型与个性化评价文本生成模型的预测值与真实值的误差，训练攻击检测模型，用于检测注入评价；根据攻击检测模型输出的注入评价检测结果，降低相应的评价在评价打分预测模型、个性化评价文本生成模型中的影响权重；所述训练评价打分预测模型，是根据用户属性、商品属性、用户给商品的评价内容、打分以及用户产生反馈的时间，利用图神经网络训练得到用户、商品、反馈边的表示，得到所述评价打分预测模型；所述用户属性是能够反映用户是否异常的统计量；所述方法包括三个任务：利用所述评价打分预测模型实现的评价打分预测任务、利用所述个性化评价文本生成模型实现的个性化评价文本生成任务、利用所述攻击检测模型实现的攻击检测任务；所述三个任务互相作用、互相促进：个性化评价文本生成任务辅助评价打分预测任务；评价打分预测任务指导个性化评价文本生成任务；在攻击检测任务中，如果一个评价被分类为注入评价，则降低该评价在前两个任务中的影响；对于个性化评价文本生成任务，训练个性化评价文本生成模型cgU,I,C,R,T→C′，使得待测试边的生成评价C′接近于真实评价其中，U代表用户节点集合，I代表商品节点集合，C代表评价文本内容集合，R代表用户给商品的打分集合，T为时间戳集合，C′为待测试边的生成评价；在训练个性化评价文本生成模型的时候加入评价打分预测模型产生的预测分值re′进行指导，并且在训练个性化评价文本生成模型时，根据攻击检测模型的输出降低虚假评价内容的影响权重；同时，引入由评价内容预测评价打分的辅助模型f，通过利用评价打分预测模型产生的用户表示和商品表示进行个性化，评价打分预测模型和个性化评价文本生成模型利用同一套用户表示和商品表示共同训练，使得评价打分预测任务和个性化评价文本生成任务相互协同。

全文数据：

权利要求：

百度查询： 之江实验室 北京大学 一种结合评价文本的抗注入攻击的鲁棒推荐方法和系统