基于差分隐私技术的上下文推荐算法研究

发布时间:2021-01-13 07:01
  近年来,因为个性化推荐系统能够缓解信息过载的问题而得到了大家的重点关注,目前在互联网各个领域几乎都可以看到推荐系统的应用,它可以使得用户在众多的数据里面迅速发现对自己有用的信息,节约了用户大量的查找信息的时间。有研究表明,把相关的上下文信息与传统的推荐系统相融合有利于提高推荐结果的准确率并且更能满足用户的需求。如果上下文推荐想要得到更高的推荐精度,则需要搜集和利用大量的与用户有关的上下文信息,但是这样会泄露更多的用户的个人隐私,这也是人们所担心的问题。如果在数据搜集和使用前没有考虑到隐私安全的问题,那么攻击者很有可能直接或者间接的获取用户的敏感信息。如果这些信息被攻击者非法利用,那么这将会造成大量的经济和精神损失,给人们的日常生活也带来了严重的威胁,所以个人隐私保护问题在推荐系统中是值得重点研究的对象。在众多的隐私保护技术中,差分隐私技术因其可以抵挡攻击者具有相关背景信息下的攻击而得到了重点关注,它是一种经过严格推敲证明的隐私保护技术,可以给人们的信息提供强有力的保障。差分隐私技术虽然已经得到了研究人员的认可和使用,但是在上下文推荐系统中的研究仍存在不足之处。所以为了进一步保障推荐系统... 

【文章来源】:江西理工大学江西省

【文章页数】:61 页

【学位级别】:硕士

【部分图文】:

基于差分隐私技术的上下文推荐算法研究


中国网民人数网民人数的增加离不开互联网的普及,如今不管是在车水马龙的大城市还是宁静质朴

普及率,互联网


第一章绪论26月份网络普及率已经达到了61.2%,与2016年的数据相对比,在这三年的时间里网络普及率上升了10%。互联网普及率增长趋势如图1.2所示。图1.2互联网普及率随着网民人数的增长,人们的需求也越来越多。由于互联网中的信息十分混杂,人们在搜索时发现已经无法在眼花缭乱的信息中,及时和准确的获取到自己所需要的内容,信息过载[2]问题日趋严重。像新浪、雅虎这样的搜索工具虽然能够为用户提供的关键字将结果全部搜索出来,但是对每个人呈现的搜索结果却是相同的。可是对于不同的用户来说每个人的兴趣和需求也有可能不同,因此难以满足所有人的个性化需求。人们必须花费许多额外的时间去找到对自己有用的消息,严重的影响了用户的生活质量和互联网体验[3]。在这些需求的推动下,个性化推荐系统的出现如及时雨般缓解了这个问题[4],是当今互联网中不能缺少的一部分。推荐系统类似于一个过滤的容器,它可以过滤一些对用户无用甚至干扰的信息,为用户提供属于自己的个性化推荐。推荐系统在许多领域得到了很好地应用,如电子商务(淘宝、当当、唯品会),社交网络(微博、知乎、Facebook),视频娱乐(抖音、快手、YouTube)等。推荐系统能够发现用户与物品、物品与物品、用户与用户相关联系,能够根据人们的喜好提供量身定做的推荐结果,满足了具有不同兴趣的用户的需求[5-8]。推荐系统不仅可以为人们做出个性化推荐也可以使其认识自己对物品潜在的爱好和需求,并且能帮助他们找到与自己志同道合的朋友。对于商户,推荐系统可以把不是很火爆或者不被关注的商品推荐给对它感兴趣的买家来提高自己的销量,成功的缓解了信息过载的问题。推荐系统的应用举例如图1.3所示。

示例,新闻,视频


第一章绪论3(a)(b)图1.3推荐系统的应用举例图1.3是具有推荐系统的应用示例,可以看出图(a)与图(b)分别是新闻和视频方面的应用。推荐列表是根据用户最近所观看的新闻或者视频的类型所生成的,首先系统根据用户的历史访问记录提取出用户最近浏览的新闻或者视频的类型,一般是用一些关键字来代表。这些关键字就是用户目前的兴趣爱好,然后再计算出与之相似的新闻或视频,根据相似度进行排名,选出排名靠前的前N项为用户做出推荐。在现实生活中,其实用户所浏览的内容种类是比较复杂的,而且具有多变性,物品的类型跨越比较大,所以有的时候系统不能够根据用户喜好的改变做出实时的推荐,这严重影响了用户的满意度。有些系统为了及时的了解用户是否对当前推荐的结果满意,于是开发了在线反馈功能。用户可以对每一个推荐的内容进行在线反馈,系统会实时的收集到反馈内容进行不断地完善。传统的推荐系统主要关注用户与项目(例如商品、电影、视频、音乐、新闻等)之间的关联性,而当前用户行为的上下文信息(ContextualInformation)关注的却很少。Mark


本文编号:2974434

论文下载
论文发表

本文链接:http://www.bigengculture.com/shoufeilunwen/xixikjs/2974434.html

上一篇:面向灾害场景下的救援机器人集约化设计  
下一篇:没有了
分享