一种基于多矩阵优化的社交推荐鲁棒性评估方法及系统

一种基于多矩阵优化的社交推荐鲁棒性评估方法及系统，该方法首先分别构建反映用户对商品交互行为的用户‑物品矩阵与捕捉用户间社交关系的用户‑用户矩阵，并将二者融合生成统一的复合邻接矩阵，从而形成完整的数据图谱；基于该复合邻接矩阵，利用谱聚类技术对所有节点进行社团划分，提取其内在结构特征；随后，以多目标优化策略，对伪造用户嵌入向量进行联合优化，同时充分考虑用户‑物品矩阵和用户‑用户矩阵中的信息；最后，通过Top‑K策略生成伪造用户与真实用户以及伪造用户与商品之间的连接关系，并将生成的伪造数据注入至原始训练数据中，以模拟异常数据干扰情形，客观评估推荐系统在异常条件下的安全隐患和稳定性。本发明能够为进一步增强推荐系统的防护能力和安全鲁棒性提供有效的技术支持。