基于云联邦的差分隐私保护动态推荐模型 |
| |
作者姓名: | 刘刚 杨雯莉 王同礼 李阳 |
| |
作者单位: | 1. 哈尔滨工程大学计算机科学与技术学院;2. 哈尔滨工程大学电子政务建模仿真国家工程实验室 |
| |
基金项目: | 黑龙江省高等教育教学改革研究项目[SJGZ20200044];;黑龙江省自然科学基金[LH2021F015]; |
| |
摘 要: | 为提高推荐系统的准确性和个性化水平,同时保护用户的隐私,文章提出一种基于云联邦的差分隐私保护动态推荐模型(P2RCF)。该模型采用注意力机制动态调整融合长短期用户兴趣,增强推荐系统的灵活性,同时引入差分隐私技术和云联邦技术保护用户的隐私信息。文章在公共数据集上进行了实验,实验结果表明,该模型可以在保护用户数据隐私的同时提高推荐的准确性和个性化水平。
|
关 键 词: | 推荐系统 云联邦 注意力机制 差分隐私 长短期兴趣 |
|
|