基于興趣與保護(hù)隱私的在線社區(qū)推薦技術(shù)研究.pdf

1、近年來，在線社區(qū)逐漸成為互聯(lián)網(wǎng)用戶進(jìn)行交互和內(nèi)容獲取的主要方式之一。由于具有豐富的內(nèi)容和多樣的用戶交互功能，在線社區(qū)吸引了越來越多的用戶參與。隨著在線社區(qū)的流行和用戶的增多，用戶創(chuàng)建內(nèi)容的規(guī)模呈指數(shù)級增長。面對著用戶創(chuàng)建的海量內(nèi)容，終端用戶往往很難發(fā)現(xiàn)自己感興趣的內(nèi)容。因此，能夠幫助終端用戶準(zhǔn)確高效的獲取感興趣內(nèi)容的信息推薦技術(shù)變得至關(guān)重要。推薦技術(shù)通過對用戶歷史興趣的分析和建模，預(yù)測用戶對其未看過的內(nèi)容的興趣程度。在線社區(qū)中，用戶興趣

2、較為分散，內(nèi)容數(shù)量巨大并且產(chǎn)生的速度快，用戶隱私很容易通過靜態(tài)或者動態(tài)的方式泄漏給推薦服務(wù)器或者第三方。上述在線社區(qū)的特點(diǎn)為推薦技術(shù)帶來了新的挑戰(zhàn)，現(xiàn)有的協(xié)同過濾等推薦方法在準(zhǔn)確性、隱私保護(hù)范圍和效率等方面都難以較好的滿足用戶的需求。因此，如何對現(xiàn)有的推薦技術(shù)進(jìn)行擴(kuò)展和深入以適應(yīng)在線社區(qū)中新的用戶需求是相關(guān)研究中的熱點(diǎn)和前沿問題。
　　 針對上述在線社區(qū)推薦技術(shù)面臨的新挑戰(zhàn)，結(jié)合推薦技術(shù)領(lǐng)域最新的研究進(jìn)展，本文所做的研究工作如下

3、：
　　 1.提出基于用戶興趣的實(shí)時推薦技術(shù)-Farseer，能夠針對具有分散興趣的用戶進(jìn)行高質(zhì)量的實(shí)時內(nèi)容推薦。Farseer通過興趣組來更準(zhǔn)確的發(fā)現(xiàn)和組織用戶興趣，并提出基于興趣組的協(xié)同過濾技術(shù)，解決了用戶興趣分散的問題。同時，F(xiàn)arseer采用實(shí)時用戶上下文分析技術(shù)，實(shí)時獲取用戶活動和更新鄰居列表，然后增量式的更新推薦內(nèi)容評級值，能夠提高推薦實(shí)時性。詳細(xì)的實(shí)驗(yàn)分析表明，F(xiàn)arseer能夠在實(shí)時的情況下，進(jìn)行高質(zhì)量的內(nèi)容推薦

4、，并且準(zhǔn)確率好于當(dāng)前先進(jìn)的協(xié)同過濾算法。
　　 2.提出保護(hù)用戶隱私的在線社區(qū)推薦技術(shù)-Pistis，能夠在保護(hù)用戶隱私不被泄漏的前提下做出高質(zhì)量的內(nèi)容推薦。Pistis通過分布式的安全多方計(jì)算來保護(hù)用戶隱私不被服務(wù)器收集。同時，利用興趣組結(jié)構(gòu)打破用戶公共興趣與隱私興趣之間的關(guān)聯(lián)，有效的防止用戶興趣被其他惡意用戶利用推薦系統(tǒng)攻擊。詳細(xì)的理論和實(shí)驗(yàn)分析表明，Pistis能夠保護(hù)用戶的隱私不被服務(wù)器獲取，大大降低用戶在面對攻擊時的隱

5、私泄漏，同時推薦質(zhì)量好于當(dāng)前先進(jìn)的隱私保護(hù)協(xié)同過濾算法。
　　 3.提出高效的隱私保護(hù)推薦技術(shù)-YANA，能夠在較大幅度提高隱私保護(hù)效率的同時不犧牲推薦質(zhì)量。YANA通過分布式的用戶分組，將用戶進(jìn)行重新組織，使用戶隱私保護(hù)在一組用戶之內(nèi)，服務(wù)器只得到一組用戶的聚合信息。每個用戶組內(nèi)，維護(hù)若干具有單一興趣的虛擬用戶來代表真實(shí)用戶與服務(wù)器交互。真實(shí)用戶根據(jù)自己的興趣和虛擬用戶獲得的推薦重新計(jì)算自己的個性化推薦。由于安全多方計(jì)算是在小