基于改进匿名模型的上下文推荐系统研究

摘要：

基于上下文感知的推荐系统通过引入上下文环境信息进行推荐,其中用户的隐私信息往往能够被攻击者直接或间接地获取到,造成隐私泄露.针对以上问题,在上下文感知推荐系统中融入一种改进的匿名模型.结合聚类方法将不同的敏感属性值进行分组,对多敏感属性进行匿名,在隐私保护方面,对高敏感属性信息具有较高的保护程度,有相似敏感程度的信息具有相似的保护程度.在真实数据集上的实验结果表明,该方法能在保护推荐系统中用户隐私的同时,提高推荐精确度.

关键词：聚类、上下文感知、推荐系统、(k、α)-匿名化、隐私保护

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61462079

在线出版日期：2018-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：214-219