支持隐私保护的社交网络信息推荐方法研究与实现

发布时间：2022-10-19 16:49

　　随着信息技术的发展以及互联网的普及,社交网络逐渐成为人们日常交流的重要组成部分。然而由于信息的急剧增长,人们在享受社交媒体带来便捷服务的同时,如何在海量数据中寻找到自己感兴趣的内容成为一个难题。在此背景下,社交网络推荐系统应运而生,同时,社交网络推荐系统也存在用户隐私泄露的风险。如何既能保证用户隐私安全又能提供高质量的推荐服务成为研究热点。目前信息推荐主要集中于广告推荐、基于位置的推荐以及电商网的推荐。然而,对于支持隐私保护的社交网络信息推荐研究较少。本文主要研究在保护用户隐私的同时给用户推荐感兴趣的博文,提出社交网络用户兴趣推测方法与支持隐私保护的社交网络信息推荐方法,并使用新浪微博公开数据集进行验证。实验表明用户兴趣推测方法的准确率和召回率在80%以上,隐私保护方法的隐私损失比在20%以下。论文主要贡献如下1.提出一种基于社交网络的用户兴趣推测方法针对社交网络用户难以从互联网获取想要信息的问题,提出一种基于社交网络的用户兴趣推测方法。通过对好友发表、评论、转发博文的分类特征得到好友兴趣,并使用PersonalRank算法计算好友兴趣度,解决用户评分数据冷启动问题;通过好友兴趣度、用... 

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 本课题的研究进展
        1.2.1 信息推荐技术研究
        1.2.2社交网络用户兴趣推测研究
        1.2.3 用户隐私保护方法研究
    1.3 本课题主要研究内容
    1.4 本文的贡献
    1.5论文组织结构
第2章 信息推荐及隐私保护技术概述
    2.1 信息推荐的概念及技术
        2.1.1 协同过滤推荐算法
        2.1.2 基于内容的推荐算法
        2.1.3 基于社交网络的推荐算法
    2.2 社交网络信息推荐的隐私保护及技术
        2.2.1 k-匿名技术
        2.2.2 访问控制
        2.2.3 隐私保护体系结构
        2.2.4 差分隐私
    2.3 本章小结
第3章 基于社交网络的用户兴趣推测方法
    3.1 方法概述
        3.1.1 概念定义
        3.1.2 方法流程
    3.2 兴趣计算及博文推荐
        3.2.1 好友兴趣计算
        3.2.2 用户兴趣推测
        3.2.3 推荐候选集排序
    3.3 实验结果及效果评估
        3.3.1 实验数据
        3.3.2 实验评价指标
        3.3.3 实验结果与分析
    3.4 本章小结
第4章 支持信息推荐的隐私保护方法
    4.1 基本概念及规则
        4.1.1 概念定义
        4.1.2 受限访问规则
    4.2 隐私保护方法
        4.2.1 基本思路
        4.2.2 算法描述
    4.3 实验结果及效果评估
        4.3.1 隐私偏好数据仿真
        4.3.2 实验评价指标
        4.3.3 实验结果与分析
    4.4 本章小结
第5章 支持隐私保护的社交网络信息推荐系统设计与实现
    5.1 系统设计
        5.1.1 总体框架
        5.1.2 功能模块设计
        5.1.3 数据结构设计
    5.2 系统实现
        5.2.1 功能模块实现
        5.2.2 数据可视化实现
        5.2.3 运行实例分析
    5.3 本章小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 下一步研究方向
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果


【参考文献】：
期刊论文
[1]支持隐私保护的社交网络信息推荐方法[J]. 张超,梁英,方浩汕.  山东大学学报(理学版). 2020(03)
[2]基于信息传播的个人数据隐私保护的探讨[J]. 孙颖.  信息系统工程. 2019(05)
[3]基于最大团的社交网络个性化推荐[J]. 陈小礼,汪洋,彭艳兵.  计算机与数字工程. 2019(03)
[4]基于隐式反馈数据的个性化游戏推荐[J]. 俞东进,陈聪,吴建华,陈耀旺.  电子学报. 2018(11)
[5]融合内容和改进协同过滤的个性化推荐算法[J]. 何波,潘力.  控制工程. 2018(08)
[6]基于深度学习的论文个性化推荐算法[J]. 王妍,唐杰.  中文信息学报. 2018(04)
[7]基于网络结构与用户内容的动态兴趣识别方法[J]. 黄丹阳,王菲菲,杨扬,许进.  北京邮电大学学报. 2018(02)
[8]高效可验证的隐私保护推荐系统[J]. 宋春芝,董晓蕾,曹珍富.  华东师范大学学报(自然科学版). 2018(02)
[9]一种基于隐式反馈的用户兴趣模型构建方法[J]. 赵文朋,丁艳辉,金连旭,张骏.  计算机与数字工程. 2018(03)
[10]社交照片隐私保护机制研究进展[J]. 李凤华,孙哲,吕梦凡,牛犇.  信息安全学报. 2018(02)

硕士论文
[1]基于位置的社会网络中多因素感知POI推荐策略[D]. 姜珊.江西财经大学 2017
[2]社交网络推荐系统的隐私保护研究[D]. 李艺.上海师范大学 2016
[3]网络信息提取系统关键技术研究与实现[D]. 戴弋.中南大学 2008



本文编号：3693740