面向虹膜数据发布的差分隐私保护

针对虹膜数据在发布后可被攻击者利用并获得用户隐私的问题,提出了一种基于随机映射与差分隐私的虹膜数据发布隐私保护方法。该方法利用随机映射对发布虹膜数据进行模板处理,然后对注册过程中建立的模板添加噪声,使其满足差分隐私,进一步提高发布数据的隐私保护程度。最后,通过安全性分析及在模拟环境下的实验,进一步证实了所提出方法的安全性和有效性。     

基于感知价值和隐私关注的用户移动个性化推荐采纳

移动商务的发展带来了移动网络信息量的激增,为解决信息超载问题,提升用户体验,帮助消费者更加快捷高效地找到合意的商品或服务信息,许多电商网站开发了移动个性化推荐系统。所谓移动个性化推荐,就是以移动终端为载体,根据用户自身或相似用户过去的偏好和行为向其推荐可能感兴趣的商品或服务信息,是购物消费模式向服务消费模式转变的重要手段。鉴于移动个性化推荐主要依赖于用户信息挖掘,会引起用户对个人隐私信息泄露的关注,因此在推荐模型算法改进和移动营销实践中一定要考虑用户对移动个性化推荐的感知和行为意向。基于探索性因子分析、验证性因子分析、结构方程模型及回归分析,实证分析感知价值和隐私关注对用户移动个性化推荐采纳意愿的影响和作用机制发现,用户感知功能价值和体验价值对其移动个性化推荐采纳意愿的影响最为显著,其次是隐私关注,最后是安全价值,感知社会价值的影响不显著;隐私关注对用户感知功能价值和安全价值与移动个性化推荐采纳意愿之间的关系存在负向调节作用。因此,为更好地提高用户移动个性化推荐采纳意愿,唤起用户消费心理并转化成消费行为,一定要在进一步完善移动个性化推荐功能属性,通过加强基于情境的个性化推荐提升用户体验,提高推荐精准性和新颖性的同时,加强用户隐私保护,营造安全的移动营销环境。     

差值保序直方图发布隐私保护方法研究

针对数据隐私保护直方图发布中数据划分不准确,以及所发布数据精确度较低的问题,提出了差值保序直方图数据发布方案。首先,通过直方图重构算法找出直方图最优分组方案,将数据分组,并用平均值代替组内元素值;然后,对分组后的数据添加噪声干扰,使其满足差分隐私保护要求;再后,运用差值保序算法降低误差,并还原数据原始排序特征;最后,通过实验证明所提方法与保序直方图发布方法相比,可以在保证用户隐私不被泄露的情况下,准确划分数据、提高数据精确度及所发布数据的实用性。     

基于社交网络的社会化推荐算法研究

社交网络日趋活跃,基于社交网络的推荐成为电子商务推荐系统研究的热点领域之一;如何利用社交网络数据给用户进行推荐物品,是基于社交网络的推荐算法的研究重点。对社交网络的定义、社交网络数据的分类进行概述,研究基于邻域的社会化推荐和基于图的社会化推荐算法;结合实际推荐系统对社会化推荐算法进行改进设计。     

人工智能时代算法与法律规制

"今日头条"的算法推荐机制已经无形中为用户做了选择,算法技术的不断智能化在给用户、社会带来便利的同时,在网络大数据时代下,更需要注重个人信息的保护,对算法进行法律规制,合理有效的对其监管,推进人工智能的不断发展与法律的共同、协调、可持续发展。     

基于全局与局部相融合的方面注意力推荐模型

针对基于评论的推荐方法仅关注用户-商品的全局关系而忽视用户与商品之间的局部强关联的问题,提出了一种全局与局部相融合的方面注意力推荐模型。模型由全局注意力网络和局部邻域注意力网络构成,前者可以捕获用户对商品各个特征的偏好程度,并结合潜在因子计算得出预测评分;后者可通过注意力机制为邻居用户赋予权重,并根据邻居用户的评分值计算出目标用户的预测评分;将两部分预测评分结合,可得出最终评分。在亚马逊商品数据集上进行性能测试,结果表明,所提出的推荐算法求得的均方根误差比所选基准方法更低,具有良好的推荐性能。     

基于信任社区的电子商务推荐模型

针对电子商务平台中出现的信息"超载"问题,通过采用用户聚类划分和节点信任值计算分析的方法建立电子商务信任社区,并结合商品自身评价信息,构建电子商务推荐模型。该模型根据用户最信任的若干邻居对商品的评价信息,预测用户对未购买的商品的评分值,将预测评分值较高的商品推荐给用户,并且在推荐算法设计过程中考虑了推荐的时间效应,为用户提供有效的商品推荐服务。     

基于社交网络数据的个性化推荐研究

随着移动技术的发展,社交网络已经成为互联网产品中的主体,而社交网络产生的大量关系数据可以被用来进行个性化推荐的研究。本文在社交网络数据和用户行为数据的基础之上,研究了基于社交网络的个性化推荐,提出了一种概念算法,该算法很好的模拟的现实社会中的好友推荐关系。     

个性化推荐引擎技术及在电子商务中的应用

本文介绍了个性化推荐引擎的定义,对个性化推荐引擎所依据的算法原理进行了详细的阐述,个性化推荐引擎技术实现了用户个性化的需求,提高了用户浏览搜索网页的效率。     

电子文献资源的推荐方法研究

本文介绍了目前对于电子文献资源、图书资源的推荐算法研究,阐述了基于Word2Vec的推荐算法和基于TF-IDF的推荐算法原理。根据推荐系统最新的研究进展,结合目前最新的多源异构数据嵌入框架异质图神经网络(HeterogeneousGraphNeural Network),提出了对多种数据类型电子文献资源进行推荐的方法,该方法在多源异构数据上进行推荐优于目前的其他方法。