公开(公告)号：CN110837603B

公开(公告)日：2022-03-15

申请号：CN201911091203.5

申请日：2019-11-09

Applicant: 安徽大学

Inventor： 张顺 ,  胡飞 ,  郭云 ,  夏云昊 ,  陈志立

IPC: G06F16/9536

Abstract: 本发明公开了一种基于差分隐私保护的集成推荐方法，其步骤包括：1、从评分网站上获取用户对项目的历史评分数据信息；2、对评分数据加入含隐私分配的噪声，进行预处理操作，得到预处理后的评分矩阵3、计算原始评分矩阵的用户相似度矩阵，选取与当前服务用户最相似的top‑k个用户；4、集成协同过滤和矩阵分解方法，对预处理后的评分矩阵进行训练，得到预测评分矩阵依次有序推荐给服务用户。本发明能有效解决现有隐私保护推荐方案中推荐效果不佳和隐私安全性差的问题，从而可以为用户提供安全且高效的推荐。

公开(公告)号：CN110837603A

公开(公告)日：2020-02-25

申请号：CN201911091203.5

申请日：2019-11-09

Applicant: 安徽大学

Inventor： 张顺 ,  胡飞 ,  郭云 ,  夏云昊 ,  陈志立

IPC: G06F16/9536

Abstract: 本发明公开了一种基于差分隐私保护的集成推荐方法，其步骤包括：1、从评分网站上获取用户对项目的历史评分数据信息；2、对评分数据加入含隐私分配的噪声，进行预处理操作，得到预处理后的评分矩阵3、计算原始评分矩阵的用户相似度矩阵，选取与当前服务用户最相似的top-k个用户；4、集成协同过滤和矩阵分解方法，对预处理后的评分矩阵进行训练，得到预测评分矩阵依次有序推荐给服务用户。本发明能有效解决现有隐私保护推荐方案中推荐效果不佳和隐私安全性差的问题，从而可以为用户提供安全且高效的推荐。