计算机应用与软件2021，Vol.38Issue(5) ：316-322.DOI:10.3969/j.issn.1000-386x.2021.05.051

推荐系统中的隐私保护矩阵分解算法研究

PRIVACY-PRESERVING MATRIX FACTORIZATION ALGORITHM IN RECOMMENDER SYSTEM

崔炜荣 徐龙华 杜承烈 李宝
计算机应用与软件2021，Vol.38Issue(5) ：316-322.DOI:10.3969/j.issn.1000-386x.2021.05.051
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

推荐系统中的隐私保护矩阵分解算法研究

PRIVACY-PRESERVING MATRIX FACTORIZATION ALGORITHM IN RECOMMENDER SYSTEM

崔炜荣 1徐龙华 1杜承烈 2李宝1
扫码查看

作者信息

  • 1. 安康学院电子与信息工程学院 陕西 安康725000
  • 2. 西北工业大学计算机学院 陕西 西安710072
  • 折叠

摘要

针对协同过滤推荐系统中的用户数据和模型保护问题,提出一种隐私保护矩阵分解算法.该算法基于分布式架构,其梯度下降优化过程由服务器和各个用户相互协作完成.每轮迭代中,服务器仅从客户端得到物品隐藏因子向量梯度更新信息,从而有效保护了用户评分和推荐模型.基于多方安全求和的原理,在梯度更新过程中加入混淆机制,实现了对用户评分"存在性"的保护.开发系统原型并与现有方法进行实验对比,结果表明,该方法在保护用户隐私的同时能够提供更好的推荐准确度.

关键词

推荐系统/协同过滤/隐私保护/矩阵分解

引用本文复制引用

基金项目

国家自然科学基金(61801005)

陕西省教育厅科学研究计划项目(18JK0015)

出版年

2021
计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
被引量1
参考文献量16
段落导航相关论文