10.3969/j.issn.1000-3428.2010.23.027
协同过滤系统隐私保护和推荐准确性研究
针对协同过滤推荐系统在预测过程中容易泄漏用户概貌数据的问题,在不影响推荐准确性的前提下,提出一种用户数据混淆策略,使响应用户的评分数据在计算用户相似度之前被假数据代替,用户尽量少泄露(或不泄露)个人评分信息,进而实现用户隐私的保护.通过实验分析数据混淆策略对协同过滤推荐准确性的影响,证明该策略的有效性.
协同过滤、隐私保护、推荐系统、准确性
36
TP309.2(计算技术、计算机技术)
2011-03-14(万方平台首次上网日期,不代表论文的发表时间)
共3页
82-84