基于标签和隐私保护的聚类推荐算法的研究与应用

发布时间：2025-01-01 06:48

　　推荐系统作为当下信息检索的重要工具,在电子商务等诸多领域得到了广泛的应用和发展。随着2004年web2.0概念的提出,互联网进入了用户自由标注产生内容的时代。社会化标签在电子商务领域被普遍使用,用户通过自由标注能够更好的对资源按自己喜好分类,推荐系统也能够根据标签进行用户兴趣预测,进行高效的推荐。推荐算法根据用户的信息、资源的信息和浏览信息等内容进行偏好预测推荐,使得推荐系统面临着以下几方面的问题:数据量的膨胀使其面临着数据稀疏性的问题,根据用户的信息和浏览记录预测兴趣偏好时的隐私泄露问题,用户兴趣随时间迁移改变的问题等等。针对以上情况进行相应的研究和改进,主要内容如下。(1)针对数据稀疏性问题进行了研究,提出利用Slope one算法对用户没有评价过的资源进行评分预测填充,缓解稀疏性问题。标签作为连接用户和资源之间的桥梁,通过评分更能反应用户在使用标签时对资源的态度,因此将评分和标签融合。通过评分矩阵对标签进行加权更有利于提高推荐准确性。(2)针对隐私泄露问题进行了研究,提出在对用户进行模糊c均值聚类时引入差分隐私保护思想的方法;在聚类过程中加入Laplace噪声,保护聚类中心点,产生...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 推荐系统研究现状
        1.2.2 标签推荐研究现状
        1.2.3 差分隐私推荐研究现状
    1.3 研究内容
    1.4 本文组织结构
第2章 个性化推荐相关理论与算法
    2.1 个性化推荐系统
    2.2 协同过滤推荐算法
        2.2.1 基于用户的协同过滤算法
        2.2.2 基于物品的协同过滤算法
    2.3 聚类算法
        2.3.1 k-means聚类
        2.3.2 模糊c均值聚类
    2.4 差分隐私保护技术
    2.5 本章小结
第3章 改进的模糊c均值聚类算法
    3.1 聚类算法存在的问题
    3.2 改进的模糊c均值算法
    3.3 实验结果及分析
        3.3.1 实验数据
        3.3.2 聚类评价标准
        3.3.3 实验结果分析
    3.4 本章小结
第4章 融合标签和隐私保护的聚类推荐算法
    4.1 差分隐私保护
        4.1.1 隐私问题分析
        4.1.2 差分隐私保护下的模糊c均值聚类
        4.1.3 算法满足ε-差分隐私的证明
    4.2 融合标签和隐私保护的聚类算法
        4.2.1 用户标签相关性计算
        4.2.2 资源推荐
        4.2.3 改进的整体算法
    4.3 实验结果与分析
        4.3.1 实验数据集
        4.3.2 评价指标
        4.3.3 对比实验设计
    4.4 本章小结
第5章 电影推荐系统的设计与实现
    5.1 系统需求分析
        5.1.1 功能需求
        5.1.2 非功能需求
    5.2 系统架构设计
    5.3 数据库设计
    5.4 系统实现
        5.4.1 系统环境
        5.4.2 核心推荐模块实现
    5.5 系统页面展示及测试
        5.5.1 系统前台展示及测试
        5.5.2 系统后台展示及测试
    5.6 本章小结
结论
参考文献
攻读硕士学位期间所发表的学术论文
致谢



本文编号：4022196