基于奇异值分解模型的在线实时推荐的隐私保护

摘要：

利用缩减的奇异值分解更新算法和随机技术提出了一个基于奇异值分解模型的在线推荐的隐私保护方法,将新数据混合到原始数据中保护消费者在线购物的隐私数据.实验结果表明,我们提供的模型可以保证数据高效性和更低概率的隐私泄露,并且预测的精度仍然很高,对于实现消费者网上隐私保护有重要的指导意义.

关键词：奇异值分解、隐私保护、实时推荐、协同过滤

所属期刊栏目：19

分类号：G206.2(信息与传播理论)

资助基金：国家自然科学基金71372140

在线出版日期：2017-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：74-81