[发明专利]一种基于随机扰动技术的协同过滤群组推荐方法

说明书

本发明公开了一种基于随机扰动技术的协同过滤群组推荐方法，主要针对协同过滤群组推荐过程中用户可能暴露隐私信息的等问题，提出一种隐私保护群组推荐方法，主要包括提出用户原始评分数据扰动处理，用户兴趣偏好值，偏好作用权重和频度权重，通过随机扰动技术对用户原始数据进行处理保护用户的隐私数据，用户兴趣偏好值形成共同偏好群组，偏好作用权重和频度权重得到群组偏好值，基于项的协同过滤得到共同偏好群组预测评分，满足了群组获得推荐的同时也可以保护群组内用户隐私数据的需求。

技术领域

本发明涉及隐私保护、推荐系统技术领域，特别是一种基于随机扰动技术的协同过滤群组推荐方法。

背景技术

互联网技术的产生及发展使得网络中海量信息成为可能，为方便用户选择所需信息，人们提出了推荐系统的概念。推荐系统由推荐服务提供者建立并通过收集用户数据来实现用户偏好预测，收集到的数据可能包含各种私人信息，如邮寄地址或者订单历史，因此用户偏好数据的隐私成为一个关注的问题。随着网络用户的发展和逐步增加，用户通过分享共同的兴趣爱好更容易形成一个群组并一起参加相关的活动，这种情况激发了群组推荐的需求。例如，推荐一个合适的餐厅给朋友群组聚餐，或者对同一个在线阅读社区的成员推荐相关书籍，这些都是典型的群组推荐系统所要实现的。然而群组成员通常会有自己的私人隐私喜好并不想被组内其他成员知道，因此群组推荐系统中就要考虑用户隐私信息保护的问题。

随机扰动是一种通过对原始数据添加随机噪声来保护隐私的方法，这种方法产生的扰动数据可以被视为近似原始数据，原理是在原始数据上添加服从特定分布的扰动噪声达到对初始数据的模糊处理，虽然改变了原始数据，但对于有些计算的结果影响并不是很大，误差在一定的范围内可以被广泛的应用。

协同过滤系统在个体用户推荐方面取得了巨大成功，近年来也逐步应用于向群组用户进行推荐，随着互联网的发展，群组用户也不断地增加，构建群组推荐系统向群组用户提供个性化推荐，减少他们搜集信息所耗费的时间和精力显得越来越重要。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于随机扰动技术的协同过滤群组推荐方法，通过对群组中用户评分信息的扰动处理，来达到群组推荐过程中用户信息的保护，使用户在享受群组推荐的同时亦能保护个人的隐私信息。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于随机扰动技术的协同过滤群组推荐方法，包括以下步骤：

步骤一、构建共同偏好群组：首先根据用户评分越集中反映用户兴趣偏好的原则计算得到用户兴趣偏好并构造偏好矩阵Q，然后通过皮尔逊相关系数计算兴趣偏好相似度并通过聚类方法将用户构建成各个共同偏好群组g；

步骤二、计算群组偏好值：首先将用户原始评分进行随机扰动处理得到扰动后的评分R_i'，然后分别计算群组内用户的偏好作用权重w₁和频度权重w₂并根据这两个标准得出最后的群组偏好值r_g；

步骤三、计算共同偏好群组预测评分：利用群组偏好值r_g和基于项的协同过滤方法得出群组的预测评分P_g，并且将预测评分最高的前K个项目推荐给步骤一构建成的群组g，K≥1。

作为本发明所述的一种基于随机扰动技术的协同过滤群组推荐方法进一步优化方案，所述步骤一具体如下：

步骤1.1)计算用户偏好值：设u为任一用户，I_u表示用户u已评分的项类集合，A＝{a₁,a₂,...,a_n}表示经过项目划分生成的项类集合，n表示项类数目，对于a_k表示第k个项类，1≤k≤n且k为整数，则称为u在a_k项类上的用户偏好值；