隱私保持協(xié)同過(guò)濾推薦算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩72頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著互聯(lián)網(wǎng)上信息資源的日益增多,用戶對(duì)個(gè)性化服務(wù)的要求不斷提高。協(xié)同過(guò)濾推薦技術(shù)是個(gè)性化服務(wù)發(fā)展中最成功且應(yīng)用最廣泛的推薦技術(shù)之一,然而,出于隱私考慮,許多用戶不愿意提供個(gè)人信息。因此,如何讓用戶提供推薦系統(tǒng)使用的必要信息且不泄露用戶的個(gè)人隱私成為協(xié)同過(guò)濾推薦發(fā)展中的主要問(wèn)題。
  本文主要研究協(xié)同過(guò)濾推薦中的隱私保護(hù)問(wèn)題。
  首先,針對(duì)傳統(tǒng)的使用P2P網(wǎng)絡(luò)模型的協(xié)同過(guò)濾推薦不能很好地保護(hù)用戶隱私的問(wèn)題,對(duì)現(xiàn)有的網(wǎng)絡(luò)模型進(jìn)

2、行了深入的分析,提出一種超立方體P2P分級(jí)網(wǎng)絡(luò)結(jié)構(gòu),并在此基礎(chǔ)上提出一種基于超立方體P2P結(jié)構(gòu)用戶模型存儲(chǔ)的協(xié)同過(guò)濾推薦算法。該算法將用戶分為超級(jí)用戶和普通用戶,用戶間傳遞局部推薦和局部平均相似度,因而算法能夠在不影響推薦精度的前提下更好地保護(hù)用戶的隱私。
  其次,針對(duì)基于隨機(jī)擾亂技術(shù)的協(xié)同過(guò)濾推薦算法在保護(hù)用戶隱私的同時(shí)帶來(lái)的推薦精度降低問(wèn)題,深入分析了隨機(jī)擾亂技術(shù)的隱私保護(hù)原理,提出了擾亂強(qiáng)度權(quán)重的概念及其度量模型,改進(jìn)了相

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論