一种基于差分隐私的个性化服务推荐算法

摘要：

推荐系统存在用户隐私安全性低、推荐服务质量差的问题.为此,文中提出一种基于差分隐私的个性化服务推荐算法DPk-median.该算法针对推荐系统服务器中生成的推荐列表,首先利用k-median聚类算法将推荐数据中具有相同属性的数据进行聚类;然后根据不同簇的风险级别,添加相应的拉普拉斯噪声机制,同一簇中的隐私预算参数是相同的,在保证隐私的前提下,可合理控制噪声的加入并提高噪声的利用率,保证推荐的质量损失减小,同时增加算法的执行效率.相关实验结果表明,与以往的基于差分隐私的个性化服务推荐系统相比,文中所提出的算法在保证系统安全性的同时,提高了服务推荐的质量和算法的执行效率.

关键词：个性化服务推荐;差分隐私;数据聚类;拉普拉斯噪声机制;隐私预算;推荐服务质量;风险级别

所属期刊栏目：45

分类号：TN915-34;TP309.2

资助基金：国家自然科学基金;辽宁省教育厅科学研究经费项目;辽宁省教育厅科学研究经费项目;辽宁省科技厅基金项目

在线出版日期：2022-02-28（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：83-88