| 融合显隐式反馈协同过滤的差分隐私保护算法 |
| |
| 引用本文： | 孙道柱,李男,杜启明,刘文甫.融合显隐式反馈协同过滤的差分隐私保护算法[J].计算机应用研究,2021,38(8):2370-2375. |
| |
| 作者姓名： | 孙道柱 李男 杜启明 刘文甫 |
| |
| 作者单位： | 信息工程大学网络空间安全学院,郑州450000;信息工程大学网络空间安全学院,郑州450000;信息工程大学数学工程与先进计算国家重点实验室,郑州450000 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | 由于协同过滤推荐算法依赖用户的数据,因而存在很大的隐私泄露风险.差分隐私保护技术可提供严格的隐私保护效果,但目前大多数基于差分隐私的推荐算法没有考虑隐式反馈数据,针对该问题,提出了一种新的基于差分隐私保护的协同过滤推荐算法.首先对隐式反馈矩阵进行矩阵分解,得到用户和物品的隐式特征向量;然后把得到的隐式特征向量融合到显式反馈模型求解中,通过在模型求解过程中加入均值扰动和梯度扰动,使算法满足ε-差分隐私保护;最后应用此算法预测评分,并在MovieLens数据集上对算法进行有效性评价.实验结果表明,所提算法能在推荐结果的准确性和用户的隐私保护之间实现有效的平衡.
|
| 关 键 词： | 差分隐私 隐式反馈 矩阵分解 梯度扰动 |
| 收稿时间： | 2020/11/10 0:00:00 |
| 修稿时间： | 2021/7/7 0:00:00 |
Differential privacy protection algorithm for explicit and implicit feedback based collaborative filtering |
| |
| Sun Daozhu,Li Nan,Du Qiming and Liu Wenfu.Differential privacy protection algorithm for explicit and implicit feedback based collaborative filtering[J].Application Research of Computers,2021,38(8):2370-2375. |
| |
| Authors: | Sun Daozhu Li Nan Du Qiming and Liu Wenfu |
| |
| Affiliation: | Department of Cyberspace Security Academy,Information Engineering University,,, |
| |
| Abstract: | |
| |
| Keywords: | differential privacy implicit feedback matrix factorization gradient disturbance |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
