【摘要】：針對跨系統(tǒng)協(xié)同過濾推薦中用戶信息安全問題,提出一個安全計算模型。模型基于安全多方計算理論,使用輕量級分組密碼算法LBlock加密第三方提供的數(shù)據(jù),并用RSA密碼系統(tǒng)管理密鑰。以該模型為安全基礎(chǔ),結(jié)合隨機擾亂技術(shù),提出一種跨系統(tǒng)協(xié)同過濾推薦算法,其相似度計算方法可以有效防止不良商家偽造商品評分信息;安全矢量積的引入使得第三方與系統(tǒng)無法進行非法串通。實驗證明,算法在防止用戶信息泄露給協(xié)同推薦系統(tǒng)的同時,計算用戶相似度更加精確,預(yù)測誤差也顯著降低。
【圖文】：

在實際應(yīng)用中，用戶往往只評分極少數(shù)項，兩個用戶共同評價項過少，用傳統(tǒng)方法計算其相似度會產(chǎn)生巨大誤差。此外，不良商家通過偽造托用戶以提高自己商品的評分，誘使推薦系統(tǒng)將其商品推薦給用戶。在相似度計算中引入Jaccard相關(guān)系數(shù)的概念可以緩解以上問題，提高推薦精度。Jaccard相關(guān)系數(shù)最初定義為Jaccard(A，B)=A∩BA∪B由此繼續(xù)提出:Jaccard(u，v)=|Iu∩Iv||Iu∪Iv|·min(∑i∈N1{rui≠0∩rvi≠0}，5)5(12)其中:|Iu∩Iv|和|Iu∪Iv|分別表示用戶u和v評分項的并集和交集的數(shù)量;∑i∈N1{rui≠0∩rvi≠0}，表示用戶u、v共同評分項的數(shù)量。式(12)綜合考慮用戶共同評分項的比例以及數(shù)量，它的值與共同評分項的比例及數(shù)量均成正比。其中數(shù)量以5作為閾值，共同評分?jǐn)?shù)小于5時，min(∑i∈N1{rui≠0∩rvi≠0}，5)5大于0小于1，大于5時，min(∑i∈N1{rui≠0∩rvi≠0}，5)5等于1。至此，得到了一種在隨機干擾情況下的改進相似度計算式(7)。2．3基于安全計算模型和隨機擾動的跨系統(tǒng)協(xié)同過濾推薦算法首先，參與協(xié)同推薦的各個系統(tǒng)對各自的用戶評分?jǐn)?shù)據(jù)進行z-score標(biāo)準(zhǔn)化處理，以系統(tǒng)Alice與Bob為例，使用式(5)對各自評分?jǐn)?shù)據(jù)處理得到rui，為處理后的數(shù)據(jù)添加隨機擾動。在協(xié)同過濾推薦系統(tǒng)中，評分?jǐn)?shù)據(jù)都相對較小，所以本文主要采用加性加入噪聲的方法，得到r'ui=rui+γui，其中γui為服從高斯分布或均勻分布在一定范圍內(nèi)的隨機數(shù)。隨后進行協(xié)作推薦，算法描述如下:輸入:Alice:XA=XAu，XAu=(r'u1，r'u2，…，r'un)，1≤u≤|IA|;Bob:YB=(YB1，YB2，…，YB

在實際應(yīng)用中，用戶往往只評分極少數(shù)項，兩個用戶共同評價項過少，用傳統(tǒng)方法計算其相似度會產(chǎn)生巨大誤差。此外，不良商家通過偽造托用戶以提高自己商品的評分，誘使推薦系統(tǒng)將其商品推薦給用戶。在相似度計算中引入Jaccard相關(guān)系數(shù)的概念可以緩解以上問題，提高推薦精度。Jaccard相關(guān)系數(shù)最初定義為Jaccard(A，B)=A∩BA∪B由此繼續(xù)提出:Jaccard(u，，v)=|Iu∩Iv||Iu∪Iv|·min(∑i∈N1{rui≠0∩rvi≠0}，5)5(12)其中:|Iu∩Iv|和|Iu∪Iv|分別表示用戶u和v評分項的并集和交集的數(shù)量;∑i∈N1{rui≠0∩rvi≠0}，表示用戶u、v共同評分項的數(shù)量。式(12)綜合考慮用戶共同評分項的比例以及數(shù)量，它的值與共同評分項的比例及數(shù)量均成正比。其中數(shù)量以5作為閾值，共同評分?jǐn)?shù)小于5時，min(∑i∈N1{rui≠0∩rvi≠0}，5)5大于0小于1，大于5時，min(∑i∈N1{rui≠0∩rvi≠0}，5)5等于1。至此，得到了一種在隨機干擾情況下的改進相似度計算式(7)。2．3基于安全計算模型和隨機擾動的跨系統(tǒng)協(xié)同過濾推薦算法首先，參與協(xié)同推薦的各個系統(tǒng)對各自的用戶評分?jǐn)?shù)據(jù)進行z-score標(biāo)準(zhǔn)化處理，以系統(tǒng)Alice與Bob為例，使用式(5)對各自評分?jǐn)?shù)據(jù)處理得到rui，為處理后的數(shù)據(jù)添加隨機擾動。在協(xié)同過濾推薦系統(tǒng)中，評分?jǐn)?shù)據(jù)都相對較小，所以本文主要采用加性加入噪聲的方法，得到r'ui=rui+γui，其中γui為服從高斯分布或均勻分布在一定范圍內(nèi)的隨機數(shù)。隨后進行協(xié)作推薦，算法描述如下:輸入:Alice:XA=XAu，XAu=(r'u1，r'u2，…，r'un)，1≤u≤|IA|;Bob:YB=(YB1，YB2，…，YB
【作者單位】： 河北工業(yè)大學(xué)計算機科學(xué)與軟件學(xué)院;河北工業(yè)大學(xué)廊坊分校;
【基金】：河北省高等學(xué)校科學(xué)技術(shù)研究項目(ZD20131070)
【分類號】：TP309

【相似文獻】

相關(guān)期刊論文 前10條

1 徐義峰;陳春明;徐云青;;一種基于分類的協(xié)同過濾算法[J];計算機系統(tǒng)應(yīng)用;2007年01期

2 楊風(fēng)召;;一種基于特征表的協(xié)同過濾算法[J];計算機工程與應(yīng)用;2007年06期

3 王嵐;翟正軍;;基于時間加權(quán)的協(xié)同過濾算法[J];計算機應(yīng)用;2007年09期

4 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導(dǎo)購系統(tǒng)[J];武漢大學(xué)學(xué)報(工學(xué)版);2008年02期

5 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計算機系統(tǒng);2008年08期

6 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學(xué)學(xué)報;2009年04期

7 廖新考;;基于用戶特征和項目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進研究[J];計算機技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計算機信息;2011年11期

10 宋緯華;田元;;基于蟻群算法的協(xié)同過濾推薦技術(shù)[J];農(nóng)業(yè)圖書情報學(xué)刊;2013年08期

相關(guān)會議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

相關(guān)博士學(xué)位論文 前7條

1 紀(jì)科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

3 于程遠(yuǎn);基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

5 孔維梁;協(xié)同過濾推薦系統(tǒng)關(guān)鍵問題研究[D];華中師范大學(xué);2013年

6 夏培勇;個性化推薦技術(shù)中的協(xié)同過濾算法研究[D];中國海洋大學(xué);2011年

7 趙向宇;Top-N協(xié)同過濾推薦技術(shù)研究[D];北京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 鄒騰飛;基于多特征融合的混合協(xié)同過濾算法研究[D];西南大學(xué);2015年

2 于鈺雯;基于項目凝聚層次聚類的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

3 杜文剛;基于多屬性評分的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

4 高慧敏;融合占有度的時間遺忘協(xié)同過濾混合推薦算法研究[D];燕山大學(xué);2015年

5 蘇靖涵;面向SaaS多租戶的動態(tài)推薦方法研究[D];遼寧大學(xué);2015年

6 徐曉妮;基于人工魚群算法的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

7 羅培;移動購物導(dǎo)購關(guān)鍵技術(shù)的研究與系統(tǒng)實現(xiàn)[D];西南交通大學(xué);2015年

8 李婧;融合用戶差異度及信息熵的協(xié)同過濾推薦算法[D];西安建筑科技大學(xué);2015年

9 樂柱;基于誤差反饋的協(xié)同過濾算法[D];華南理工大學(xué);2015年

10 馬兆才;基于協(xié)同過濾的推薦系統(tǒng)算法研究與實現(xiàn)[D];蘭州大學(xué);2015年

本文編號：2537167