|
|||||
|
|
| 基于BC聚类的差分隐私保护推荐算法 | |
| 作者姓名： | 王永 尹恩民 冉珣 |
| 作者单位： | 1. 重庆邮电大学 计算机科学与技术学院, 重庆 400065;2. 重庆邮电大学 电子商务与现代物流重点实验室, 重庆 400065 |
| 基金项目： | 国家自然科学基金项目（71901045）;教育部人文社科规划项目（20YJAZH102） |
| 摘 要： | 为提高差分隐私保护下推荐算法的准确性,提出了一种考虑差分隐私保护的基于Bhattacharyya系数（BC）的聚类推荐算法.以BC作为项目相似性度量的标准,根据BC相似性对项目进行K-medoids聚类,并在聚类簇中进行私有项目邻居选择.最后,根据最近邻居集信息,对用户的评分进行预测和Top-n推荐.提出的方案有效地克服了已有方法中存在的相似性度量依赖于共同评分的问题,提高了相似性度量的准确性,有效避免了因隐私保护而造成的最近邻居集质量下降的问题.理论分析和实验测试的结果表明,该方法在实现隐私保护的同时还能有效保证推荐的高质量,较好地实现了隐私保护和数据效用之间的平衡,具有良好的应用潜力. |
| 关 键 词： | 协同过滤 Bhattacharyya系数 差分隐私保护 K-medoids聚类 推荐系统 |
| 收稿时间： | 2020-09-09 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《北京邮电大学学报》浏览原始摘要信息 | |
| 点击此处可从《北京邮电大学学报》下载全文 | |
