近年來,因為個性化推薦系統(tǒng)能夠緩解信息過載的問題而得到了大家的重點關(guān)注,目前在互聯(lián)網(wǎng)各個領(lǐng)域幾乎都可以看到推薦系統(tǒng)的應(yīng)用,它可以使得用戶在眾多的數(shù)據(jù)里面迅速發(fā)現(xiàn)對自己有用的信息,節(jié)約了用戶大量的查找信息的時間。有研究表明,把相關(guān)的上下文信息與傳統(tǒng)的推薦系統(tǒng)相融合有利于提高推薦結(jié)果的準(zhǔn)確率并且更能滿足用戶的需求。如果上下文推薦想要得到更高的推薦精度,則需要搜集和利用大量的與用戶有關(guān)的上下文信息,但是這樣會泄露更多的用戶的個人隱私,這也是人們所擔(dān)心的問題。如果在數(shù)據(jù)搜集和使用前沒有考慮到隱私安全的問題,那么攻擊者很有可能直接或者間接的獲取用戶的敏感信息。如果這些信息被攻擊者非法利用,那么這將會造成大量的經(jīng)濟(jì)和精神損失,給人們的日常生活也帶來了嚴(yán)重的威脅,所以個人隱私保護(hù)問題在推薦系統(tǒng)中是值得重點研究的對象。在眾多的隱私保護(hù)技術(shù)中,差分隱私技術(shù)因其可以抵擋攻擊者具有相關(guān)背景信息下的攻擊而得到了重點關(guān)注,它是一種經(jīng)過嚴(yán)格推敲證明的隱私保護(hù)技術(shù),可以給人們的信息提供強(qiáng)有力的保障。差分隱私技術(shù)雖然已經(jīng)得到了研究人員的認(rèn)可和使用,但是在上下文推薦系統(tǒng)中的研究仍存在不足之處。所以為了進(jìn)一步保障推薦系統(tǒng)... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

中國網(wǎng)民人數(shù)網(wǎng)民人數(shù)的增加離不開互聯(lián)網(wǎng)的普及，如今不管是在車水馬龍的大城市還是寧靜質(zhì)樸

第一章緒論26月份網(wǎng)絡(luò)普及率已經(jīng)達(dá)到了61.2%，與2016年的數(shù)據(jù)相對比，在這三年的時間里網(wǎng)絡(luò)普及率上升了10%�；ヂ�(lián)網(wǎng)普及率增長趨勢如圖1.2所示。圖1.2互聯(lián)網(wǎng)普及率隨著網(wǎng)民人數(shù)的增長，人們的需求也越來越多。由于互聯(lián)網(wǎng)中的信息十分混雜，人們在搜索時發(fā)現(xiàn)已經(jīng)無法在眼花繚亂的信息中，及時和準(zhǔn)確的獲取到自己所需要的內(nèi)容，信息過載[2]問題日趨嚴(yán)重。像新浪、雅虎這樣的搜索工具雖然能夠為用戶提供的關(guān)鍵字將結(jié)果全部搜索出來，但是對每個人呈現(xiàn)的搜索結(jié)果卻是相同的�？墒菍τ诓煌挠脩魜碚f每個人的興趣和需求也有可能不同，因此難以滿足所有人的個性化需求。人們必須花費許多額外的時間去找到對自己有用的消息，嚴(yán)重的影響了用戶的生活質(zhì)量和互聯(lián)網(wǎng)體驗[3]。在這些需求的推動下，個性化推薦系統(tǒng)的出現(xiàn)如及時雨般緩解了這個問題[4]，是當(dāng)今互聯(lián)網(wǎng)中不能缺少的一部分。推薦系統(tǒng)類似于一個過濾的容器，它可以過濾一些對用戶無用甚至干擾的信息，為用戶提供屬于自己的個性化推薦。推薦系統(tǒng)在許多領(lǐng)域得到了很好地應(yīng)用，如電子商務(wù)（淘寶、當(dāng)當(dāng)、唯品會），社交網(wǎng)絡(luò)（微博、知乎、Facebook），視頻娛樂（抖音、快手、YouTube）等。推薦系統(tǒng)能夠發(fā)現(xiàn)用戶與物品、物品與物品、用戶與用戶相關(guān)聯(lián)系，能夠根據(jù)人們的喜好提供量身定做的推薦結(jié)果，滿足了具有不同興趣的用戶的需求[5-8]。推薦系統(tǒng)不僅可以為人們做出個性化推薦也可以使其認(rèn)識自己對物品潛在的愛好和需求，并且能幫助他們找到與自己志同道合的朋友。對于商戶，推薦系統(tǒng)可以把不是很火爆或者不被關(guān)注的商品推薦給對它感興趣的買家來提高自己的銷量，成功的緩解了信息過載的問題。推薦系統(tǒng)的應(yīng)用舉例如圖1.3所示。

第一章緒論3（a）（b）圖1.3推薦系統(tǒng)的應(yīng)用舉例圖1.3是具有推薦系統(tǒng)的應(yīng)用示例，可以看出圖（a）與圖（b）分別是新聞和視頻方面的應(yīng)用。推薦列表是根據(jù)用戶最近所觀看的新聞或者視頻的類型所生成的，首先系統(tǒng)根據(jù)用戶的歷史訪問記錄提取出用戶最近瀏覽的新聞或者視頻的類型，一般是用一些關(guān)鍵字來代表。這些關(guān)鍵字就是用戶目前的興趣愛好，然后再計算出與之相似的新聞或視頻，根據(jù)相似度進(jìn)行排名，選出排名靠前的前N項為用戶做出推薦。在現(xiàn)實生活中，其實用戶所瀏覽的內(nèi)容種類是比較復(fù)雜的，而且具有多變性，物品的類型跨越比較大，所以有的時候系統(tǒng)不能夠根據(jù)用戶喜好的改變做出實時的推薦，這嚴(yán)重影響了用戶的滿意度。有些系統(tǒng)為了及時的了解用戶是否對當(dāng)前推薦的結(jié)果滿意，于是開發(fā)了在線反饋功能。用戶可以對每一個推薦的內(nèi)容進(jìn)行在線反饋，系統(tǒng)會實時的收集到反饋內(nèi)容進(jìn)行不斷地完善。傳統(tǒng)的推薦系統(tǒng)主要關(guān)注用戶與項目（例如商品、電影、視頻、音樂、新聞等）之間的關(guān)聯(lián)性，而當(dāng)前用戶行為的上下文信息（ContextualInformation）關(guān)注的卻很少。Mark


本文編號：2974434