公开(公告)号：CN114943041B

公开(公告)日：2024-07-02

申请号：CN202210533312.3

申请日：2022-05-17

Applicant: 重庆邮电大学

Inventor： 王永 ,  罗陈红 ,  冉珣 ,  杨久裕 ,  高明星

IPC: G06F16/9536 ,  G06F21/62

Abstract: 本发明涉及一种基于差分隐私的隐式反馈协同过滤推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；构造目标函数L(P,Q)，交替最小二乘法求解L(P,Q)，存储用户隐因子矩阵P；将求得的用户隐因子矩阵P代入目标函数L(P,Q)，得到关于项目隐因子矩阵Q的目标函数L(Q)，考虑每一个项目i∈I的目标函数L(qi)，将目标函数L(qi)展开为多项式，降低目标函数的敏感度，使用少量Laplace噪声对目标函数进行扰动；对所有加噪的目标函数#imgabs0#求解，得到加噪的项目隐因子向量#imgabs1#聚合所有的#imgabs2#得到矩阵#imgabs3#本发明具有良好的隐私保护性和模型准确性。

公开(公告)号：CN117150135A

公开(公告)日：2023-12-01

申请号：CN202311126047.8

申请日：2023-09-01

Applicant: 重庆邮电大学

Inventor： 李昌兵 ,  陈思彤 ,  邓江洲 ,  王淞立 ,  陈俊谕 ,  李行健 ,  刘岽 ,  罗陈红

IPC: G06F16/9535 ,  G06Q10/0639

Abstract: 本发明提出的基于物品交互约束的自编码器推荐系统，包括从数据库中获取和清理数据信息，以获得所需信息；根据偏好特征模块从已有的评分信息中获取用户的偏好特征；根据物品特征获取模块从标签中获取物品特征；根据融合偏好特征模块，将两个特征融合到一起，用于后续对用户评分的预测；再根据融合特征处理模块对融合偏好特征进行处理，并输出预测评分；同时根据参数更新约束模块，对模型训练过程中的参数更新进行约束，以避免训练过程中产生的误差；根据推荐结果获取模块，对预测评分集合进行排序，将预测评级较高的前k个项目推送给目标用户，以形成其个性化推荐列表。

公开(公告)号：CN114943041A

公开(公告)日：2022-08-26

申请号：CN202210533312.3

申请日：2022-05-17

Applicant: 重庆邮电大学

Inventor： 王永 ,  罗陈红 ,  冉珣 ,  杨久裕 ,  高明星

IPC: G06F16/9536 ,  G06F21/62

Abstract: 本发明涉及一种基于差分隐私的隐式反馈协同过滤推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；构造目标函数L(P,Q)，交替最小二乘法求解L(P,Q)，存储用户隐因子矩阵P；将求得的用户隐因子矩阵P代入目标函数L(P,Q)，得到关于项目隐因子矩阵Q的目标函数L(Q)，考虑每一个项目i∈I的目标函数L(qi)，将目标函数L(qi)展开为多项式，降低目标函数的敏感度，使用少量Laplace噪声对目标函数进行扰动；对所有加噪的目标函数求解，得到加噪的项目隐因子向量聚合所有的得到矩阵本发明具有良好的隐私保护性和模型准确性。

公开(公告)号：CN115809358A

公开(公告)日：2023-03-17

申请号：CN202211586219.5

申请日：2022-12-08

Applicant: 重庆邮电大学

Inventor： 邓江洲 ,  王永 ,  王淞立 ,  王河洺 ,  杨单 ,  王霞 ,  罗陈红

IPC: G06F16/9035 ,  G06F16/9038 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出的具有预测可靠性的深度神经网络推荐系统，包括从数据库中获取和清理数据信息，以获得所需信息；根据系统设定的不同评级值，将用户‑项目评级矩阵R划分为对应的几个独立且只含0‑1二值的子矩阵；利用深度神经网络中的双塔模型去并行训练所获取的子矩阵，以预测出每个子矩阵中相同空白区域的概率值；归一化每个子矩阵中所得到的概率值，并将归一化后的最大概率值作为可靠性概率；根据所获取的可靠性概率，找到对应子矩阵所代表的评级，并将该评级作为该空白区域的预测评级；通过与系统设定的可靠性阈值进行比较，将可靠性概率低于阈值的预测评级进行过滤，保留较高可靠性概率的评级；对过滤后的预测评分集合进行排序，将预测评级较高的前k个项目推送给目标用户，以形成其个性化推荐列表。

公开(公告)号：CN117195287A

公开(公告)日：2023-12-08

申请号：CN202311128065.X

申请日：2023-09-01

Applicant: 重庆邮电大学

Inventor： 王永 ,  罗陈红 ,  邓江洲 ,  杨久裕 ,  李博 ,  刘汉洋 ,  王霞

IPC: G06F21/62 ,  G06F21/71 ,  G06F16/9536

Abstract: 本发明涉及一种基于目标扰动的本地化差分隐私矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：服务器随机初始化项目隐因子矩阵 和噪声矩阵并向所有用户发送V和H；用户i(i＝1,2,…,n)构建损失函数L(ui,V)，利用SGD算法优化L(ui,V)得到ui并将ui保存在用户本地，将得到的ui带入L(ui,V)，得到用户i关于V的损失函数 每个用户i无放回地选择需要上传的梯度行列索引pi并发送给服务器，服务器计算位置统计矩阵Loc并向所有用户发送Loc；用户i接收Loc并计算基于目标扰动的梯度将 发送给服务器，服务器聚合用户的 并更新V，将更新后的V分发给各个用户。本发明具有良好的隐私保护性和模型准确性。

公开(公告)号：CN116541606A

公开(公告)日：2023-08-04

申请号：CN202310627915.4

申请日：2023-05-30

Applicant: 重庆邮电大学

Inventor： 王永 ,  刘汉洋 ,  罗陈红 ,  邓江洲 ,  杨久裕 ,  李博 ,  叶建梅

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F21/62 ,  G06F17/16

Abstract: 本发明涉及一种基于差分隐私的贝叶斯个性化矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；构造目标函数L(W,H)，基于贝叶斯个性化排序下的推荐算法对矩阵W和矩阵H求解,存储用户隐因子矩阵W；将求得的用户隐因子矩阵W,与项目矩阵再代入目标函数L(W,H)中将目标函数改写为使用梯度下降法对隐因子矩阵求解，考虑每一个项目隐因子梯度使用少量Laplace噪声对梯度进行扰动；对目标函数L(H|D)进行梯度下降，得到矩阵本发明具有良好的隐私保护性和模型准确性。