[发明专利]基于差分隐私保护的邻域推荐方法有效
| 申请号： | 201810200442.9 | 申请日： | 2018-03-12 |
| 公开（公告）号： | CN108427891B | 公开（公告）日： | 2022-11-04 |
| 发明（设计）人： | 李千目;耿夏琛;侯君 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06F21/62 | 分类号： | G06F21/62;G06F16/9536;G06Q30/02 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 薛云燕 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于差分隐私保护的邻域推荐方法。该方法为：首先在训练阶段，将已收集的用户对物品的评价或喜好，转化为用户‑评分矩阵，作为推荐方法模型的训练集；然后利用基于邻域的推荐方法建立评分预测模型，预测用户对物品的评分情况，在基于邻域的推荐方法中，计算出差分隐私保护下的平均值，用户偏置项与物品偏置项；在评分预测阶段，利用基于指数机制的差分隐私保护邻居选择方法选择邻居；利用相似度的局部敏感度，添加拉普拉斯噪声进行差分隐私保护；最后利用评分预测模型与训练出的差分隐私保护模型参数，预测用户对物品的评分。本发明可以在提供推荐结果时，对用户的信息进行差分隐私保护，并具有较高的推荐准确度。 | ||
| 搜索关键词： | 基于 隐私 保护 邻域 推荐 方法 | ||
【主权项】：
1.一种基于差分隐私保护的邻域推荐方法，其特征在于，包括以下步骤：步骤1、在训练阶段，将已收集的用户对物品的评价或喜好，转化为用户‑评分矩阵，作为推荐方法模型的训练集；步骤2、通过差分隐私平均值和偏置项计算方法，计算出差分隐私保护下的平均值；步骤3、通过基于差分隐私的偏置项计算，计算出差分隐私保护下的用户偏置项和物品偏置项；步骤4、在评分预测阶段，利用基于指数机制的差分隐私保护邻居选择方法选择邻居；步骤5、利用相似度的局部敏感度，添加拉普拉斯噪声进行差分隐私保护；步骤6、最后利用评分预测模型与训练出的差分隐私保护模型参数，预测用户对物品的评分。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810200442.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种敏感数据动态检测方法及装置
- 下一篇：存储器件、存储器控制器及其操作方法
