考虑用户隐私保护的微博内容推荐算法
发布时间：2021-06-26 04:51
随着Web 2.0技术的快速发展,微博作为一种新型社交网络媒体,逐渐改变了人们沟通和获取信息的方式。然而随着微博的使用人数增长迅猛,产生的微博数据也急剧增加,用户在使用中面临着严重的信息过载。同时,鉴于微博的传播速度之快,覆盖面广,以及公开化等特点,在微博得到迅猛发展的同时也带来了隐私信息泄露方面的问题。推荐算法的出现,帮助了用户以较小时间获取有用信息,使得信息过载问题得到缓解,而微博隐私的检测则可降低用户泄露隐私信息的风险。本文通过研究目前已有的微博推荐算法,对推荐算法的理论知识进行学习总结,结合微博应用的特点以及隐私微博内容的特点,针对已有研究中存在的不足,提出了一种考虑用户隐私保护的微博内容推荐算法,在减少泄露原博主隐私的条件下,向目标用户推荐更能符合其个性特征的博文内容。首先明确了本文中推荐算法以及隐私检测所涉及的对象以及适用范围;其次,提出了一种基于标签的协同过滤微博推荐算法;然后在朴素贝叶斯分类模型的基础上,提出了一种基于多项式模型的微博内容隐私分类方法;最后结合两者,得到本文的算法,即一种考虑用户隐私保护的微博内容推荐算法。在文章的实验部分,首先设计实现了基于标签位置分析...
【文章来源】：重庆邮电大学重庆市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
协同过滤推荐算法流程图
图 2.2 协同过滤推荐算法基本实现流程2.1.2 基于用户的协同过滤基于用户的协同过滤算法(user-based collaborative filtering)是应用较为盛行的一种算法。其核心思想为：使用历史项目信息作为用户的特性标准，利用此特性标准计算不同用户之间的相近程度。然后按照用户相近程度的大小，筛选相近程度较高的前 k 个用户。再依据 k 个用户对自己有过参与行为的项目的评价，预测目标用户对这些未参与项目的评价。计算相关程度的经常使用的方法有：余弦相似度，广义 Jaccard 相似度，调整的余弦相似度，以及相关相似性。1. 余弦相似度在该种计算方法中，利用空间向量来表示用户的个性爱好。对于缺失的特性看作数值为 0。则向量间的余弦值与用户的相近程度成正比。余弦值越大，用户越
电大学硕士学位论文 第 3 章 基于标签协同过滤的微博推荐算法注用户的人群为 _{,,...}i1 2nU a uuu，其标签集为 ijUaijtaT__ ，用户i的粉 _{,,...}i1 2nU f uuu，其标签集为 ijUfijtfT__ 。图 3.1 为微博用户信息图，圆点代表微博用户主体，方形节点代表用户的标签信息，箭头表示关注关系。
【参考文献】：
期刊论文
[1]基于LDA模型的多角度个性化微博推荐算法[J]. 孙玉洁,秦永彬. 计算机工程. 2017(04)
[2]改进的贝叶斯垃圾邮件过滤算法[J]. 赵敬慧,魏振钢. 计算机系统应用. 2016(10)
[3]一种半监督的中文垃圾微博过滤方法[J]. 姚子瑜,屠守中,黄民烈,朱小燕. 中文信息学报. 2016(05)
[4]一种基于逻辑回归的微博内容隐私检测方法[J]. 张玲,徐雅斌. 北京信息科技大学学报(自然科学版). 2016(04)
[5]基于用户标签的微博推荐算法[J]. 王宁宁,鲁燃,王智昊,刘承运. 计算机应用研究. 2017(01)
[6]基于短语的贝叶斯中文垃圾邮件过滤方法[J]. 王青松,魏如玉. 计算机科学. 2016(04)
[7]基于k-means文本聚类的新浪微博个性化博文推荐研究[J]. 谭晋秀,何跃. 情报科学. 2016(04)
[8]基于模糊关联规则的微博用户潜在兴趣发现[J]. 牛朝林,高茂庭. 计算机系统应用. 2016(01)
[9]微博中特定用户的相似用户发现方法[J]. 仲兆满,胡云,李存华,刘宗田. 计算机学报. 2016(04)
[10]微博中用户标签的研究[J]. 邢千里,刘列,刘奕群,张敏,马少平. 软件学报. 2015(07)
硕士论文
[1]基于用户兴趣的微博推荐方法研究[D]. 王宁宁.山东师范大学 2017
[2]基于混合推荐算法的微博网络广告推荐研究[D]. 杜爱玲.中国海洋大学 2014
[3]一种基于贝叶斯的微博隐私检测方法研究[D]. 江智双.哈尔滨工程大学 2013
本文编号：3250662
【文章来源】：重庆邮电大学重庆市
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
协同过滤推荐算法流程图
图 2.2 协同过滤推荐算法基本实现流程2.1.2 基于用户的协同过滤基于用户的协同过滤算法(user-based collaborative filtering)是应用较为盛行的一种算法。其核心思想为：使用历史项目信息作为用户的特性标准，利用此特性标准计算不同用户之间的相近程度。然后按照用户相近程度的大小，筛选相近程度较高的前 k 个用户。再依据 k 个用户对自己有过参与行为的项目的评价，预测目标用户对这些未参与项目的评价。计算相关程度的经常使用的方法有：余弦相似度，广义 Jaccard 相似度，调整的余弦相似度，以及相关相似性。1. 余弦相似度在该种计算方法中，利用空间向量来表示用户的个性爱好。对于缺失的特性看作数值为 0。则向量间的余弦值与用户的相近程度成正比。余弦值越大，用户越
电大学硕士学位论文 第 3 章 基于标签协同过滤的微博推荐算法注用户的人群为 _{,,...}i1 2nU a uuu，其标签集为 ijUaijtaT__ ，用户i的粉 _{,,...}i1 2nU f uuu，其标签集为 ijUfijtfT__ 。图 3.1 为微博用户信息图，圆点代表微博用户主体，方形节点代表用户的标签信息，箭头表示关注关系。
【参考文献】：
期刊论文
[1]基于LDA模型的多角度个性化微博推荐算法[J]. 孙玉洁,秦永彬. 计算机工程. 2017(04)
[2]改进的贝叶斯垃圾邮件过滤算法[J]. 赵敬慧,魏振钢. 计算机系统应用. 2016(10)
[3]一种半监督的中文垃圾微博过滤方法[J]. 姚子瑜,屠守中,黄民烈,朱小燕. 中文信息学报. 2016(05)
[4]一种基于逻辑回归的微博内容隐私检测方法[J]. 张玲,徐雅斌. 北京信息科技大学学报(自然科学版). 2016(04)
[5]基于用户标签的微博推荐算法[J]. 王宁宁,鲁燃,王智昊,刘承运. 计算机应用研究. 2017(01)
[6]基于短语的贝叶斯中文垃圾邮件过滤方法[J]. 王青松,魏如玉. 计算机科学. 2016(04)
[7]基于k-means文本聚类的新浪微博个性化博文推荐研究[J]. 谭晋秀,何跃. 情报科学. 2016(04)
[8]基于模糊关联规则的微博用户潜在兴趣发现[J]. 牛朝林,高茂庭. 计算机系统应用. 2016(01)
[9]微博中特定用户的相似用户发现方法[J]. 仲兆满,胡云,李存华,刘宗田. 计算机学报. 2016(04)
[10]微博中用户标签的研究[J]. 邢千里,刘列,刘奕群,张敏,马少平. 软件学报. 2015(07)
硕士论文
[1]基于用户兴趣的微博推荐方法研究[D]. 王宁宁.山东师范大学 2017
[2]基于混合推荐算法的微博网络广告推荐研究[D]. 杜爱玲.中国海洋大学 2014
[3]一种基于贝叶斯的微博隐私检测方法研究[D]. 江智双.哈尔滨工程大学 2013
本文编号：3250662
本文链接：https://www.wllwen.com/guanlilunwen/glzh/3250662.html
