差分隐私保护的学习资源学习热度推荐

发布时间：2021-01-27 16:30

　　如何降低学习隐私的泄露风险,是在线学习面临的一个亟待解决的问题。文章首先揭露了基于学习资源学习热度的推荐系统的形成与隐私泄露风险问题;针对此问题,文章基于差分隐私保护理论,提出了差分隐私保护的学习资源学习热度推荐方案,即对学习资源推荐值进行差分隐私保护处理后再发布结果;最后,文章通过问卷统计分析和实验对比分析,验证了差分隐私保护的学习资源学习热度推荐效果。差分隐私保护的学习资源学习热度推荐的运用,既能保护学习者的学习隐私,又能保留较高的数据可用性,有利于促进在线学习的安全、健康发展。 

【文章来源】：现代教育技术. 2019,29(05)北大核心CSSCI

【文章页数】：7 页

【文章目录】：
引言
一基于学习资源学习热度的推荐系统
    1基于学习资源学习热度的推荐系统的形成
    2基于学习资源学习热度的推荐系统的隐私泄露风险
二差分隐私保护理论
    1差分隐私保护的定义
    2隐私保护预算
    3推荐统计函数的敏感度
三差分隐私保护的学习资源学习热度推荐方案
    1学习资源学习记录的生成
    2噪声值的确定
    3融合了噪声值的学习资源推荐结果的发布
四差分隐私保护的学习资源学习热度推荐的效果验证
    1问卷统计分析
    2实验对比分析
        （1） 不同隐私保护预算下的学习资源推荐结果
        （2） 同一隐私保护预算下的学习资源推荐结果
五结语


【参考文献】：
期刊论文
[1]基于二部图的学习资源混合推荐方法研究[J]. 刘忠宝,李花,宋文爱,孔祥艳,李宏艳,张静.  电化教育研究. 2018(08)
[2]区块链技术在教育领域的应用模式与现实挑战[J]. 杨现民,李新,吴焕庆,赵可云.  现代远程教育研究. 2017(02)
[3]基于知识关联的学习资源混合协同过滤推荐研究[J]. 李保强,吴笛.  电化教育研究. 2016(06)
[4]大数据学习分析的安全与隐私保护研究[J]. 赵慧琼,姜强,赵蔚.  现代教育技术. 2016(03)
[5]融合学习者社交网络的协同过滤学习资源推荐[J]. 丁永刚,张馨,桑秋侠,金梦甜,张红波.  现代教育技术. 2016(02)
[6]电子书包中基于学习者模型的个性化学习资源推荐研究[J]. 牟智佳,武法提.  电化教育研究. 2015(01)
[7]基于协同过滤的个性化推荐选课系统研究[J]. 徐天伟,宋雅婷,段崇江.  现代教育技术. 2014(06)

硕士论文
[1]教育大数据开放和共享的安全战略研究[D]. 胡揆.天津大学 2017



本文编号：3003366