本文關(guān)鍵詞：社交網(wǎng)絡(luò)推薦系統(tǒng)的隱私保護研究

  更多相關(guān)文章： 推薦系統(tǒng) 社交網(wǎng)絡(luò) 節(jié)點分割 隱私保護技術(shù) 協(xié)同過濾

【摘要】：隨著信息技術(shù)的發(fā)展和網(wǎng)絡(luò)生活的社交化,網(wǎng)絡(luò)中數(shù)據(jù)量急速增長,用戶如何在龐大的網(wǎng)絡(luò)數(shù)據(jù)中找到所需資源變得尤為重要。推薦系統(tǒng)正是為解決此類問題而生,它不僅可以提高用戶忠誠度、滿意度,同時具有潛在商業(yè)價值。個性化推薦系統(tǒng)在給用戶提供便捷的同時,也帶來了個人隱私安全問題。高效準(zhǔn)確的推薦系統(tǒng)要求掌握大量且準(zhǔn)確的個性化信息,但在用戶信息采集時,并不是都得到用戶的主動許可的。隨著自我保護意識的增強,用戶越來越關(guān)心自身隱私安全。當(dāng)用戶發(fā)現(xiàn)自己的搜索歷史被別人發(fā)現(xiàn)并利用或頻繁接收到垃圾廣告推送等諸多現(xiàn)象時,就會引發(fā)對個性化推薦的反感和不信任。因此,解決好社交網(wǎng)絡(luò)推薦系統(tǒng)中的安全問題,有利于推薦系統(tǒng)的推廣和發(fā)展。針對以上問題,本文在前人研究基礎(chǔ)上將匿名隱私保護融入推薦環(huán)節(jié),優(yōu)化常規(guī)推薦算法,提出“基于節(jié)點分割隱私保護的組合推薦系統(tǒng)”(NAPPHRS),使其既能有效保護用戶信息,又能獲得較好的推薦結(jié)果。本文主要研究工作及成果如下:(一)綜述了個性化推薦技術(shù)、隱私保護技術(shù)和推薦系統(tǒng)隱私保護技術(shù)的研究現(xiàn)狀,指出推薦系統(tǒng)需要進一步解決和研究的問題,即用戶隱私泄露問題。(二)對社交網(wǎng)絡(luò)的相關(guān)概念和社交網(wǎng)絡(luò)中安全問題進行闡述,介紹了社交網(wǎng)絡(luò)中個性化服務(wù)隱私保護技術(shù)的種類和原理,為后文提出基于節(jié)點分割的屬性隱私保護算法做鋪墊。(三)融合匿名保護和協(xié)同過濾組合推薦算法,設(shè)計了“基于節(jié)點分割隱私保護的組合推薦系統(tǒng)”(簡稱NAPPHRS)。通過仿真實驗對其可行性和有效性進行驗證。實驗結(jié)果表明本文提出的系統(tǒng)能夠匿名用戶信息和屬性,提升推薦系統(tǒng)安全性;并且能取得較好個性化推薦結(jié)果。本文的創(chuàng)新點在于:(一)考慮到社交網(wǎng)絡(luò)用戶屬性分布具有相關(guān)性,提出了基于屬性分割的節(jié)點分割算法,分割過程盡可能地保持屬性分布的相關(guān)性特征,提高了具有隱私屬性的用戶節(jié)點的匿名性。(二)將基于節(jié)點分割的隱私保護算法融合到個性化推薦過程中,實現(xiàn)了個性化推薦過程中的隱私保護,很好地實現(xiàn)了本文的初衷。(三)采用組合推薦,在一定程度上消弱了數(shù)據(jù)可用性降低給推薦系統(tǒng)造成的影響,推薦結(jié)果較為理想。
【關(guān)鍵詞】：推薦系統(tǒng) 社交網(wǎng)絡(luò) 節(jié)點分割 隱私保護技術(shù) 協(xié)同過濾
【學(xué)位授予單位】：上海師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-15
• 1.1 研究背景和意義8-10
• 1.1.1 研究背景介紹8-9
• 1.1.2 研究意義9-10
• 1.2 研究現(xiàn)狀及發(fā)展趨勢10-13
• 1.2.1 個性化推薦技術(shù)的研究現(xiàn)狀10-12
• 1.2.2 互聯(lián)網(wǎng)隱私保護的研究現(xiàn)狀12
• 1.2.3 個性化推薦系統(tǒng)中的隱私保護現(xiàn)狀12-13
• 1.3 論文主要研究內(nèi)容13-14
• 1.4 論文組織結(jié)構(gòu)14-15
• 第二章 個性化推薦系統(tǒng)的概念及相關(guān)技術(shù)15-24
• 2.1 推薦系統(tǒng)概述15-16
• 2.2 推薦方法的提出16
• 2.3 主要的推薦技術(shù)16-20
• 2.3.1 基于內(nèi)容的推薦技術(shù)16-17
• 2.3.2 基于關(guān)聯(lián)規(guī)則的推薦技術(shù)17-18
• 2.3.3 基于協(xié)同過濾的推薦技術(shù)18-20
• 2.4 個性化服務(wù)中的隱私泄露20-23
• 2.4.1 個性化服務(wù)中的隱私泄露事件20-21
• 2.4.2 推薦系統(tǒng)被惡意操縱的危害21-22
• 2.4.3 個性化推薦系統(tǒng)與用戶信息安全的關(guān)聯(lián)機制22-23
• 2.5 本章小結(jié)23-24
• 第三章 社交網(wǎng)絡(luò)推薦系統(tǒng)的信息安全及隱私保護24-32
• 3.1 社交網(wǎng)絡(luò)研究24-26
• 3.1.1 社交網(wǎng)絡(luò)概述24-25
• 3.1.2 社交網(wǎng)絡(luò)基本理論25-26
• 3.2 社交網(wǎng)絡(luò)中安全風(fēng)險分析26-29
• 3.2.1 社交網(wǎng)絡(luò)用戶隱私概念26
• 3.2.2 社交網(wǎng)絡(luò)用戶隱私的種類26-27
• 3.2.3 社交網(wǎng)絡(luò)推薦系統(tǒng)的隱私泄露27-29
• 3.3 社交網(wǎng)絡(luò)中個性化推薦系統(tǒng)的隱私保護技術(shù)29-31
• 3.3.1 改進系統(tǒng)結(jié)構(gòu)29-30
• 3.3.2 匿名技術(shù)30
• 3.3.3 關(guān)聯(lián)規(guī)則挖掘中隱私保護技術(shù)30
• 3.3.4 協(xié)同過濾中的隱私保護技術(shù)30-31
• 3.4 本章小結(jié)31-32
• 第四章 社交網(wǎng)絡(luò)推薦系統(tǒng)隱私保護相關(guān)研究32-45
• 4.1 總體結(jié)構(gòu)設(shè)計32-33
• 4.1.1 問題的提出32
• 4.1.2 總體結(jié)構(gòu)設(shè)計32-33
• 4.2 基于節(jié)點分割的屬性匿名隱私保護設(shè)計33-41
• 4.2.1 基本思想33
• 4.2.2 數(shù)據(jù)模型與定義33-35
• 4.2.3 方案原理35-36
• 4.2.4 算法流程36-39
• 4.2.5 隱私保護程度理論分析39-41
• 4.2.6 數(shù)據(jù)可用性分析41
• 4.3 隱私保護后的推薦系統(tǒng)的效率優(yōu)化41-43
• 4.3.1 后續(xù)優(yōu)化的必要性41-42
• 4.3.2 優(yōu)化的方法選擇42-43
• 4.4 本章小結(jié)43-45
• 第五章 實驗與結(jié)果分析45-52
• 5.1 實驗環(huán)境及數(shù)據(jù)集45
• 5.2 隱私保護程度實驗結(jié)果分析45-47
• 5.3 個性化推薦模塊實驗分析47-49
• 5.4 系統(tǒng)性能實驗結(jié)果分析49-51
• 5.5 本章小結(jié)51-52
• 第六章 總結(jié)與展望52-54
• 6.1 總結(jié)52
• 6.2 展望52-54
• 參考文獻54-57
• 攻讀學(xué)位期間的研究成果57-58
• 致謝58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 邱均平;李艷紅;;社交網(wǎng)絡(luò)中用戶隱私安全問題探究[J];情報資料工作;2012年06期

2 王國霞;劉賀平;;個性化推薦系統(tǒng)綜述[J];計算機工程與應(yīng)用;2012年07期

3 李林容;;社交網(wǎng)絡(luò)的特性及其發(fā)展趨勢[J];新聞界;2010年05期

4 秦曉薇;門愛華;鄒妍;;基于K-匿名的隱私保護算法研究[J];赤峰學(xué)院學(xué)報(自然科學(xué)版);2010年05期

5 李春;朱珍民;葉劍;周佳穎;;個性化服務(wù)研究綜述[J];計算機應(yīng)用研究;2009年11期

6 苑迎;劉國華;張宇;李穎;;極少信息共享的敏感信息檢索方法[J];計算機工程;2009年16期

7 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報;2009年02期

8 劉建國;周濤;汪秉宏;;個性化推薦系統(tǒng)的研究進展[J];自然科學(xué)進展;2009年01期

9 姚忠;魏佳;吳躍;;基于高維稀疏數(shù)據(jù)聚類的協(xié)同過濾推薦算法[J];信息系統(tǒng)學(xué)報;2008年02期

10 余力,劉魯;電子商務(wù)個性化推薦研究[J];計算機集成制造系統(tǒng);2004年10期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 任磊;推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];華東師范大學(xué);2012年

2 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 朱琳可;基于社交網(wǎng)絡(luò)的個性化推薦服務(wù)研究[D];西北大學(xué);2012年

2 楊暢;基于項目分類和用戶情景推薦的研究及應(yīng)用[D];重慶大學(xué);2012年

3 李高敏;基于協(xié)同過濾的教學(xué)資源個性化推薦技術(shù)的研究及應(yīng)用[D];北京交通大學(xué);2011年

4 杜金濤;基于粗糙集的協(xié)同推薦模型研究[D];杭州電子科技大學(xué);2009年

5 謝中;基于Web數(shù)據(jù)挖掘商務(wù)網(wǎng)站推薦系統(tǒng)的研究[D];西南師范大學(xué);2002年

，

本文編號：1108268