首页|基于混合相似度和差分隐私的协同过滤推荐算法

基于混合相似度和差分隐私的协同过滤推荐算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
现有协同过滤推荐算法中,存在的评分片面、主观性强、评分矩阵稀疏性等因素影响了推荐的精确度,并在推荐中存在隐私泄露等问题.针对上述问题,提出一种基于混合相似度和差分隐私的协同过滤推荐算法.该算法基于多种相似度进行加权计算构造混合相似度,提高推荐精度;以混合相似度作为质心更新和分类条件,利用改进的K-means算法将与目标用户相似度高的用户进行聚类;采用枚举方法在目标用户集中划分子集,并基于混合相似度构建效用函数,利用差分隐私指数机制在各子集中选择邻居集合,保护用户隐私;最后在邻居集合中选择出评分值最高的项目进行推荐.实验结果表明,该算法在保护用户隐私的同时,有效提高了推荐的精确度.
Collaborative filtering recommendation algorithm based on mixed similarity and differential privacy

张润莲、张瑞、武小年、刘文芬

展开 >

桂林电子科技大学广西密码学与信息安全重点实验室,广西桂林541004

桂林电子科技大学广西高校云计算与复杂系统重点实验室,广西桂林541004

推荐系统 隐私保护 协同过滤算法 差分隐私 混合相似度

618620112018GXNSFAA294036YF16205

2021

10.19734/j.issn.1001-3695.2020.12.0542

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(8)
  • 11
  • 4