互聯(lián)網(wǎng)技術(shù)飛速發(fā)展,在如今的網(wǎng)絡(luò)環(huán)境中產(chǎn)生的信息往往巨大且復(fù)雜的,人們被大量的信息所吞沒,在面對這些令人眼花繚亂的海量數(shù)據(jù)時,用戶已經(jīng)無法直接便利地獲得其所需要的有效信息。如何高效為人們提供需要的信息是當(dāng)今互聯(lián)網(wǎng)環(huán)境的關(guān)鍵,針對這樣的信息過載問題,目前最有效的方法便是推薦系統(tǒng),它根據(jù)用戶的歷史信息分析其潛在的興趣愛好幫助用戶發(fā)現(xiàn)其可能需要的信息節(jié)省用戶找搜索信息的時間。盡管推薦系統(tǒng)可以幫助緩解信息過載問題,但是仍然還有一些問題有待解決。因?yàn)橥扑]過程是基于已有的用戶信息下進(jìn)行的,在面對用戶信息缺失的情況下會面臨推薦準(zhǔn)確性差的問題;另外,由于推薦系統(tǒng)要掌握用戶與系統(tǒng)的交互行為信息,必然會給用戶的個人信息泄露帶來極大威脅。這兩個問題產(chǎn)生的原因相互矛盾,如何同時解決數(shù)據(jù)缺失和用戶隱私問題值得深入探討。本文首先對推薦系統(tǒng)的研究背景作出闡述指明本文的研究意義,對國內(nèi)外研究現(xiàn)狀進(jìn)行總結(jié),歸納當(dāng)前常用的推薦模型及隱私保護(hù)方法的優(yōu)缺點(diǎn)。然后,詳述流行的推薦算法的工作原理和差分隱私的基本定義,以結(jié)合輔助信息和差分隱私為出發(fā)點(diǎn)提出相應(yīng)的解決方案,本文具體的研究內(nèi)容有:（1）為提高對冷啟動項(xiàng)目的推薦能力并保護(hù)... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

本章算法與TOCF的MAE比較

圖 3.2 不同評分相似度權(quán)重的 MAE4 隱私保護(hù)對推薦結(jié)果的影響意在考察差分隱私對推薦算法的影響。因此本章提出的隱私保護(hù)出的 DPSS++和文獻(xiàn)[38]提出的 PSGD 及 PALS 算法進(jìn)行對比。觀算法 MAE 的變化情況。3.3 中可以看到推薦算法的 MAE 值隨著隱私預(yù)算 ε 的增加而降低特性，隱私預(yù)算越小加入的噪聲越多，隱私保護(hù)級別也就更高，地降低。其中 PSGD 與 PALS 算法的 MAE 值最高，變化趨勢也兩種方法都只考慮了評分信息，并且這兩種算法求解最優(yōu)值的核算法的曲線最為相似。++與本章算法 DPMFBT 在評分信息的基礎(chǔ)上考慮了隱式反饋和度，因此擁有比 PSGD 和 PALS 更低的 MAE 值。同時，可以看時候，PSGD 與 PALSMAE 值得變化幅度最大，可斷定這兩種方私預(yù)算的取值，過小的隱私預(yù)算會大大破壞數(shù)據(jù)的可用性。在本章算法 DPMFBT 則要好的多，同時沒有嚴(yán)重偏離非隱私保護(hù)的

圖 3.3 不同差分隱私參數(shù)下的 MAE圖 3.4 參數(shù) β 對 MAE 的影響5 相似度懲罰參數(shù) β 對推薦結(jié)果的影響考察參數(shù) β 的變化對本章算法推薦精度的影響，并比較隱私保護(hù)

【參考文獻(xiàn)】：
期刊論文
[1]基于差分隱私和SVD++的協(xié)同過濾算法[J]. 鮮征征,李啟良,黃曉宇,呂威,陸寄遠(yuǎn).  控制與決策. 2019(01)
[2]基于標(biāo)簽優(yōu)化的協(xié)同過濾推薦算法[J]. 張景龍,黃夢醒,張雨,吳慶州.  計(jì)算機(jī)應(yīng)用研究. 2018(10)
[3]融合社交信息的矩陣分解推薦方法研究綜述[J]. 劉華鋒,景麗萍,于劍.  軟件學(xué)報(bào). 2018(02)
[4]一種帶隱私保護(hù)的基于標(biāo)簽的推薦算法研究[J]. 曹春萍,徐幫兵.  計(jì)算機(jī)科學(xué). 2017(08)
[5]基于差分隱私的社交推薦方法[J]. 彭慧麗,張嘯劍,金凱忠.  計(jì)算機(jī)科學(xué). 2017(S1)
[6]融合社交網(wǎng)絡(luò)信息的協(xié)同過濾推薦算法[J]. 郭蘭杰,梁吉業(yè),趙興旺.  模式識別與人工智能. 2016(03)
[7]差分隱私保護(hù)參數(shù)ε的選取研究[J]. 何賢芒,王曉陽,陳華輝,董一鴻.  通信學(xué)報(bào). 2015(12)
[8]基于標(biāo)簽權(quán)重評分的推薦模型及算法研究[J]. 孔欣欣,蘇本昌,王宏志,高宏,李建中.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[9]社會化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛.  軟件學(xué)報(bào). 2015(06)
[10]面向數(shù)據(jù)發(fā)布和分析的差分隱私保護(hù)[J]. 張嘯劍,孟小峰.  計(jì)算機(jī)學(xué)報(bào). 2014(04)

博士論文
[1]協(xié)同過濾推薦系統(tǒng)關(guān)鍵問題研究[D]. 孔維梁.華中師范大學(xué) 2013

碩士論文
[1]社交網(wǎng)絡(luò)推薦系統(tǒng)的隱私保護(hù)研究[D]. 李藝.上海師范大學(xué) 2016
[2]基于內(nèi)容和協(xié)同過濾的混合算法在推薦系統(tǒng)中的應(yīng)用研究[D]. 何佳知.東華大學(xué) 2016
[3]基于混合推薦的個性化信息服務(wù)系統(tǒng)的研究與應(yīng)用[D]. 姚志霞.北京交通大學(xué) 2012
[4]基于用戶興趣聚類的協(xié)同過濾推薦技術(shù)的研究[D]. 靳立忠.東北大學(xué) 2008



本文編號：3432199