[发明专利]一种基于差分隐私的TopN协同过滤推荐方法

摘要

本发明公开了一种基于差分隐私的TopN协同过滤推荐方法，涉及差分隐私保护技术及协同推荐技术领域。本方法首先对原始的输入数据Rm*n合理地添加Laplace噪音，得到扰动后用户评分记录然后利用余弦相似度计算目标用户与其他用户之间的相似度。一方面通过向原始用户评分记录添加拉普拉斯噪音，使其满足ε‑差分隐私保护模型，在保障发布数据集隐私安全的同时保证了其具有较高的可用性，有效地保护了用户的原始评分数据。另一方面，从推荐算法自身进行改进，解决现有的TopN推荐模型泄露用户的隐私的问题，防止攻击者根据目标用户的推荐列表推测其浏览记录从而获取用户的个人喜好，可以在保护用户隐私的同时，有效地对用户进行精准推荐。

主权项

一种基于差分隐私的TopN协同过滤推荐方法，其特征在于：包括数据预处理单元、评分预测单元和TopN推荐单元，具体如下：A、数据预处理单元：由用户原始评分记录建立用户评分矩阵，获得加噪后的全局平均评分、用户平均评分和项目平均评分；B、评分预测单元：利用加噪后的全局平均评分、用户平均评分和项目平均评分进行评分预测和数据的恢复处理；C、TopN推荐单元：根据余弦相似度计算用户之间的相似度，寻找与目标用户兴趣相似的用户，利用协同过滤算法生成推荐候选列表，然后采用拉普拉斯机制对其扰动，最后进行选取目标用户最感兴趣的TopN个项目进行推荐。