基于知识图谱的隐私保护推荐算法
基于协同过滤(Collaborative Filtering,CF)的推荐算法可以有效地把用户与推荐内容联系起来,但却通常存在冷启动以及矩阵稀疏等问题,对用户的使用体验造成一定影响.知识图谱能够挖掘用户与推荐内容间的潜在联系,提升推荐的准确性.虽然,在推荐算法中引入知识图谱可以提升算法的推荐效果,但也意味着当推荐系统遭受攻击时用户也将遭受更为严重的隐私安全威胁.文章在知识图谱推荐算法的基础上引入差分隐私机制,提出了一种基于RippleNet模型的隐私保护推荐算法.实验结果表明,该算法能够在一定程度上提升推荐效果,提升推荐效果并降低数据泄露风险.
知识图谱、隐私保护、推荐算法、RippleNet、差分隐私
19
TP391.3(计算技术、计算机技术)
广西民族大学引进人才科研启动项目;广西混杂计算与集成电路设计分析重点实验室开放课题项目;广西多源信息挖掘与安全重点实验室开放基金项目;广西民族大学软件工程重点实验室项目
2023-05-05（万方平台首次上网日期，不代表论文的发表时间）
共3页
49-51
