隨著信息技術(shù)的發(fā)展以及互聯(lián)網(wǎng)的普及,社交網(wǎng)絡(luò)逐漸成為人們?nèi)粘＝涣鞯闹匾M成部分。然而由于信息的急劇增長(zhǎng),人們?cè)谙硎苌缃幻襟w帶來(lái)便捷服務(wù)的同時(shí),如何在海量數(shù)據(jù)中尋找到自己感興趣的內(nèi)容成為一個(gè)難題。在此背景下,社交網(wǎng)絡(luò)推薦系統(tǒng)應(yīng)運(yùn)而生,同時(shí),社交網(wǎng)絡(luò)推薦系統(tǒng)也存在用戶隱私泄露的風(fēng)險(xiǎn)。如何既能保證用戶隱私安全又能提供高質(zhì)量的推薦服務(wù)成為研究熱點(diǎn)。目前信息推薦主要集中于廣告推薦、基于位置的推薦以及電商網(wǎng)的推薦。然而,對(duì)于支持隱私保護(hù)的社交網(wǎng)絡(luò)信息推薦研究較少。本文主要研究在保護(hù)用戶隱私的同時(shí)給用戶推薦感興趣的博文,提出社交網(wǎng)絡(luò)用戶興趣推測(cè)方法與支持隱私保護(hù)的社交網(wǎng)絡(luò)信息推薦方法,并使用新浪微博公開(kāi)數(shù)據(jù)集進(jìn)行驗(yàn)證。實(shí)驗(yàn)表明用戶興趣推測(cè)方法的準(zhǔn)確率和召回率在80%以上,隱私保護(hù)方法的隱私損失比在20%以下。論文主要貢獻(xiàn)如下1.提出一種基于社交網(wǎng)絡(luò)的用戶興趣推測(cè)方法針對(duì)社交網(wǎng)絡(luò)用戶難以從互聯(lián)網(wǎng)獲取想要信息的問(wèn)題,提出一種基于社交網(wǎng)絡(luò)的用戶興趣推測(cè)方法。通過(guò)對(duì)好友發(fā)表、評(píng)論、轉(zhuǎn)發(fā)博文的分類特征得到好友興趣,并使用PersonalRank算法計(jì)算好友興趣度,解決用戶評(píng)分?jǐn)?shù)據(jù)冷啟動(dòng)問(wèn)題;通過(guò)好友興趣度、用... 

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 本課題的研究進(jìn)展
        1.2.1 信息推薦技術(shù)研究
        1.2.2社交網(wǎng)絡(luò)用戶興趣推測(cè)研究
        1.2.3 用戶隱私保護(hù)方法研究
    1.3 本課題主要研究?jī)?nèi)容
    1.4 本文的貢獻(xiàn)
    1.5論文組織結(jié)構(gòu)
第2章 信息推薦及隱私保護(hù)技術(shù)概述
    2.1 信息推薦的概念及技術(shù)
        2.1.1 協(xié)同過(guò)濾推薦算法
        2.1.2 基于內(nèi)容的推薦算法
        2.1.3 基于社交網(wǎng)絡(luò)的推薦算法
    2.2 社交網(wǎng)絡(luò)信息推薦的隱私保護(hù)及技術(shù)
        2.2.1 k-匿名技術(shù)
        2.2.2 訪問(wèn)控制
        2.2.3 隱私保護(hù)體系結(jié)構(gòu)
        2.2.4 差分隱私
    2.3 本章小結(jié)
第3章 基于社交網(wǎng)絡(luò)的用戶興趣推測(cè)方法
    3.1 方法概述
        3.1.1 概念定義
        3.1.2 方法流程
    3.2 興趣計(jì)算及博文推薦
        3.2.1 好友興趣計(jì)算
        3.2.2 用戶興趣推測(cè)
        3.2.3 推薦候選集排序
    3.3 實(shí)驗(yàn)結(jié)果及效果評(píng)估
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)
        3.3.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        3.3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第4章 支持信息推薦的隱私保護(hù)方法
    4.1 基本概念及規(guī)則
        4.1.1 概念定義
        4.1.2 受限訪問(wèn)規(guī)則
    4.2 隱私保護(hù)方法
        4.2.1 基本思路
        4.2.2 算法描述
    4.3 實(shí)驗(yàn)結(jié)果及效果評(píng)估
        4.3.1 隱私偏好數(shù)據(jù)仿真
        4.3.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        4.3.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第5章 支持隱私保護(hù)的社交網(wǎng)絡(luò)信息推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)設(shè)計(jì)
        5.1.1 總體框架
        5.1.2 功能模塊設(shè)計(jì)
        5.1.3 數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)
    5.2 系統(tǒng)實(shí)現(xiàn)
        5.2.1 功能模塊實(shí)現(xiàn)
        5.2.2 數(shù)據(jù)可視化實(shí)現(xiàn)
        5.2.3 運(yùn)行實(shí)例分析
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 下一步研究方向
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]支持隱私保護(hù)的社交網(wǎng)絡(luò)信息推薦方法[J]. 張超,梁英,方浩汕.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2020(03)
[2]基于信息傳播的個(gè)人數(shù)據(jù)隱私保護(hù)的探討[J]. 孫穎.  信息系統(tǒng)工程. 2019(05)
[3]基于最大團(tuán)的社交網(wǎng)絡(luò)個(gè)性化推薦[J]. 陳小禮,汪洋,彭艷兵.  計(jì)算機(jī)與數(shù)字工程. 2019(03)
[4]基于隱式反饋數(shù)據(jù)的個(gè)性化游戲推薦[J]. 俞東進(jìn),陳聰,吳建華,陳耀旺.  電子學(xué)報(bào). 2018(11)
[5]融合內(nèi)容和改進(jìn)協(xié)同過(guò)濾的個(gè)性化推薦算法[J]. 何波,潘力.  控制工程. 2018(08)
[6]基于深度學(xué)習(xí)的論文個(gè)性化推薦算法[J]. 王妍,唐杰.  中文信息學(xué)報(bào). 2018(04)
[7]基于網(wǎng)絡(luò)結(jié)構(gòu)與用戶內(nèi)容的動(dòng)態(tài)興趣識(shí)別方法[J]. 黃丹陽(yáng),王菲菲,楊揚(yáng),許進(jìn).  北京郵電大學(xué)學(xué)報(bào). 2018(02)
[8]高效可驗(yàn)證的隱私保護(hù)推薦系統(tǒng)[J]. 宋春芝,董曉蕾,曹珍富.  華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[9]一種基于隱式反饋的用戶興趣模型構(gòu)建方法[J]. 趙文朋,丁艷輝,金連旭,張駿.  計(jì)算機(jī)與數(shù)字工程. 2018(03)
[10]社交照片隱私保護(hù)機(jī)制研究進(jìn)展[J]. 李鳳華,孫哲,呂夢(mèng)凡,牛犇.  信息安全學(xué)報(bào). 2018(02)

碩士論文
[1]基于位置的社會(huì)網(wǎng)絡(luò)中多因素感知POI推薦策略[D]. 姜珊.江西財(cái)經(jīng)大學(xué) 2017
[2]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
[3]網(wǎng)絡(luò)信息提取系統(tǒng)關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D]. 戴弋.中南大學(xué) 2008



本文編號(hào)：3693740