面向群组推荐的隐私保护方法研究

发布时间：2024-03-02 18:39

　　随着推荐系统的普及与发展,群组推荐逐渐成为推荐领域的一个研究热点。群组推荐系统需要收集大量的用户历史数据进行推荐,然而这些数据中可能包含用户敏感信息,存在泄漏用户隐私的风险。此外,由于群组推荐系统独有的群组用户通信和偏好共享特性,该过程可能存在泄漏用户隐私的风险。因此,如何在实现群组推荐以及用户偏好共享和用户通信过程中,保证用户隐私不被泄露成为面向群组推荐的隐私保护研究难题。针对以上问题,本文对面向群组推荐的隐私保护方法进行了深入的研究,主要工作如下:首先,针对现有的群组推荐系统未能很好地满足用户个性化的隐私保护需求,提出一种面向群组推荐的基于可信客户端的个性化隐私保护框架,并基于此框架提出群组敏感偏好隐私保护方法。该方法在可信客户端收集群组内用户的历史数据以及隐私偏好需求,针对具有隐私保护需求的用户,利用用户敏感主题相似性发现群组内相似用户,通过对前k个用户进行随机化的协同扰动,实现群组内用户的个性化隐私保护。仿真对比实验表明本文提出的个性化隐私保护方法能够满足不同用户的隐私需求,具有更好的性能。其次,针对群组推荐系统中用户在偏好共享和用户通信的过程存在泄漏用户隐私的可能,提出一种面...

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图1.1论文章节结构图

电大学硕士研究生学位论文第一章第五章原型系统及应用示范的设计与实现。首先介绍了面向群组推荐的用户隐私统的相关背景知识和整体的系统结构，然后根据组团旅游的实际应用场景给出了面荐的用户隐私保护方法的应用示范，并根据软件工程的开发流程和规范，从需求分设计、详细设计和具体实现等几个方....

图2.1协同过滤技术分类基于内存的协同过滤主要可以分为基于用户的协同过滤和基于项目的协同过滤，这两种

大学硕士研究生学位论文第二章相关背景匹配度，并结合用户兴趣偏好模型和项内容特征得到推荐函数来进行推荐）基于图结构的推荐技术[51]：这类推荐技术需要将用户和项建模构成一个二节点分别表示用户和项，二部图中的边表示用户对项目的评分信息，结合析研究结果从而给用户一个比较准确的推荐结....

图2.2模型融合群组推荐结构

到所有用户的偏好来实现良好的推荐精度。主要涉及到群组用户偏好获取、群组发现、群组偏好融合和群组推荐首先是对群组内用户的偏好进行获取，群组内用户偏好用于描述用户度的量化描述，群组内用户的偏好获取方式分为显示的偏好获取和隐示的偏好获取是指群组内用户主动地向推荐系统提供自身的偏好，隐系....

图2.3推荐融合群组推荐结构

图2.3推荐融合群组推荐结构模型融合群组推荐结构是先使用基于内容的推荐、协同过滤等推荐算法对群组内所有用进行推荐后，再使用融合算法对推荐结果进行融合形成最终的群组推荐结果，推荐融合群推荐结构是先对群组用户偏好使用偏好融合算法进行融合形成群组偏好，再使用基于内容推荐、协同过滤等....

本文编号：3917234