- 一.本周任务
- 二.已完成的任务
- 1.有关推荐系统
- 2.推荐系统的攻击
- 2.1 step1:Labeled Data Generation
- 2.2 step2: Attack Model Establishment
- 2.3 step3:Parameter Optimization
- 3.可能存在的错误
- 三.未完成的任务
- 1.代码运行
- 四.下周计划
二.已完成的任务 1.有关推荐系统
- 对推荐系统攻击有一个大致的了解
- 运行出代码
- Item-based Collaborative Filtering (Item)：计算物体之间的相似度，旨在
找到用户喜欢的那些。 - Latent Factor Model (LFM)：构建潜在空间以连接用户偏好
和物品属性。 - Neural Collaborative Filtering (NCF)：将深度学习技术与协同过滤相结合，以提高推荐性能。
M
p
×
q
f
≈
M
q
×
l
i
t
e
m
⋅
M
l
×
p
u
s
e
r
T
mathbf{M}^f_{ptimes q} approx mathbf{M}^{item}_{qtimes l}cdot mathbf{M}^{user mathrm{T}}_{ltimes p}
Mp×qf≈Mq×litem⋅Ml×puserT
将用户-物品矩阵分解为物品矩阵和用户矩阵，分别代表了物品的性质和用户的偏好，其中物品矩阵的每一行代表了一个物品的特征向量。根据分解的内容训练出一个简单的推荐系统模型，这个简单的推荐系统模型模仿了被攻击的推荐系统模型，用简单的推荐系统模型产生标签数据属于用于训练攻击模型。
用两层的多层感知机搭建攻击模型，用于判断某用户是否为会员或者非会员。
2.3 step3:Parameter Optimization利用交叉熵来最优化参数
3.可能存在的错误根据描述
所得的表述大致变现为：
M
p
×
q
f
≈
M
q
×
l
i
t
e
m
⋅
M
l
×
p
u
s
e
r
T
mathbf{M}^f_{ptimes q} approx mathbf{M}^{item}_{qtimes l}cdot mathbf{M}^{user mathrm{T}}_{ltimes p}
Mp×qf≈Mq×litem⋅Ml×puserT，约等式右边的矩阵大小与左边并不相等。
1.按照文档要求配置python=3.6 tensorflow=1.15的环境运行，发现错误
可能原因：tensorflow的1.15版本自带的estimator是2.5版本，版本不兼容的问题
解决办法：卸载2.5版本，下载1.15版本：pip install tensorflow-estimator==1.15.0；
2.若采取pip uninstall tensorflow-estimator会使得所有的有关tensorflow的东西全部删除掉
解决办法：直接下载tensorflow-estimator=1.15，让新下载的覆盖2.5版本；
3.程序能运行一部分，但是还是有报错，无法继续执行下去
- 运行出代码；
- 进一步理解推荐系统的攻击。
