隱私保持協(xié)同過(guò)濾推薦算法研究.pdf

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