网络隐私保护下推荐系统改进研究

发布时间：2017-04-03 14:18

  本文关键词：网络隐私保护下推荐系统改进研究，由笔耕文化传播整理发布。

【摘要】：近年来,我国互联网和电子商务的发展迅猛,覆盖面也越来越广泛,极大地改变了人们原有的学习、工作和生活方式。用户面对海量的信息,需要耗费大量的时间和精力才有可能找到符合自身需求的信息。面临选择难的问题,推荐系统应时而生,解决以上个性化差异的问题。但是随之而来的隐私泄露情况日益严峻,网络倒卖信息越演越烈,垃圾短息、骚扰电话甚至是诈骗,给人们的生活和经济都带来了极大的损害,因此把网络隐私保护引入推荐系统,是重要而又不可避免的趋势。本文为了加强用户隐私保护,改进推荐系统,做了如下几方面的工作:一、隐私保护和推荐系统间的问题研究。通过对隐私保护的方式、影响隐私和现状进行文献研究,同时针对推荐系统中的隐私信息肆意使用情况,提出引入隐私保护策略的解决方案的想法,寻找隐私保护和推荐效果的平衡点。二、用户隐私关注调研。为了提出解决方案,前提是找准用户对隐私关注程度和推荐系统中隐私使用的分歧,以此本文采用问卷调研的方式,通过探索因子分析法了解用户对于隐私的收集、认知和控制三方面的情况,将隐私信息依据关注程度分类,为提出相应的保护策略提供理论基础。三、隐私保护策略下的推荐系统改进。对用户隐私关注和推荐系统架构中隐私风险进行交叉分析,提出隐私保护策略,对推荐系统架构建改进。首先对用户数据进行ETL信息处理,其次将用户关注较高的隐私信息在数据仓库应用K-匿名算法进行隐私保护;其次在推荐层利用K-means聚类算法构建用户模型,用类的概念替换用户个体;最后应用推荐算法进行相似性计算,得到TOP-N推荐集。四、实验验证系统效果。本文将利用O2O外卖用户评分数据,验证隐私保护策略的可行性与改进后推荐系统的有效性。
【关键词】：推荐系统 网络隐私保护 隐私关注 K-匿名算法 聚类算法
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3;F724.6
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-16
• 1.1 研究背景、目的及意义9-12
• 1.1.1 研究背景9-11
• 1.1.2 研究目的及意义11-12
• 1.2 研究内容、方法及技术路线12-15
• 1.2.1 研究内容12-13
• 1.2.2 研究方法13-14
• 1.2.3 技术路线14-15
• 1.3 本文创新点15
• 1.4 论文结构安排15-16
• 第2章 研究理论基础及文献综述16-27
• 2.1 网络隐私保护理论16-20
• 2.1.1 网络隐私保护概述16-18
• 2.1.2 隐私保护研究重点18-19
• 2.1.3 隐私保护研究热点19-20
• 2.2 推荐系统相关理论20-27
• 2.2.0 推荐系统模型及特点20-21
• 2.2.1 成熟的推荐算法21-24
• 2.2.2 推荐系统研究研究热点24-27
• 第3章 网络隐私保护策略研究27-44
• 3.1 用户隐私关注程度调研27-37
• 3.1.1 调研问卷设计29-30
• 3.1.2 问卷分析30-36
• 3.1.3 用户隐私关注分析36-37
• 3.2 推荐系统中隐私保护分析37-41
• 3.2.1 推荐系统架构38
• 3.2.2 推荐系统中隐私保护分析38-40
• 3.2.3 推荐系统中隐私风险分析40-41
• 3.3 交叉分析研究隐私保护策略41-43
• 3.4 本章小结43-44
• 第4章 网络隐私保护下推荐系统改进44-56
• 4.1 推荐系统架构改进44-46
• 4.2 隐私保护下推荐系统46-55
• 4.2.1 信息预处理47-49
• 4.2.2 隐私信息K-匿名保护49-52
• 4.2.3 基于聚类的用户模型52-55
• 4.2.4 预测推荐集55
• 4.3 本章小结55-56
• 第5章 实验验证56-64
• 5.1 实验准备56-58
• 5.1.1 实验环境56
• 5.1.2 实验数据56-57
• 5.1.3 评价标准57-58
• 5.2 推荐系统中隐私保护策略可行性58-61
• 5.2.1 匿名保护可行性58-60
• 5.2.2 用户聚类有效性60-61
• 5.3 改进后推荐系统有效性61-63
• 5.4 本章小结63-64
• 总结64-66
• 参考文献66-72
• 附录72-75
• 致谢75

【相似文献】

中国期刊全文数据库 前10条

1 米可菲;张勇;邢春晓;蔚欣;;面向大数据的开源推荐系统分析[J];计算机与数字工程;2013年10期

2 脱建勇;王嵩;李秀;刘文煌;;精品课共享中的推荐系统框架与实现[J];计算机工程与设计;2006年17期

3 苏冠贤;张丽霞;林丕源;刘吉平;;生物信息学推荐系统的设计与实现[J];计算机应用研究;2007年05期

4 王改芬;;推荐系统研究综述[J];软件导刊;2007年23期

5 叶群来;;营销与网络推荐系统[J];电子商务;2007年10期

6 李媚;;个性化网络学习资源推荐系统研究[J];福建电脑;2008年12期

7 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期

8 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

9 刘小燕;陈艳丽;贾宗璞;沈记全;;基于增强学习的旅行计划推荐系统[J];计算机工程;2010年21期

10 曹畋;;智能推荐系统在知识浏览领域的应用[J];硅谷;2011年21期

中国重要会议论文全文数据库 前8条

1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届（2011）中国管理学年会论文摘要集[C];2011年

3 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年

6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年

8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

中国重要报纸全文数据库 前2条

1 ;大数据如何“落地”[N];中国新闻出版报;2014年

2 本报记者 邹大斌;大数据：电商新武器[N];计算机世界;2012年

中国博士学位论文全文数据库 前10条

1 周魏;推荐系统中基于目标项目分析的托攻击检测研究[D];重庆大学;2015年

2 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

3 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年

4 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年

5 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年

6 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年

7 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年

8 刘士琛;面向推荐系统的关键问题研究及应用[D];中国科学技术大学;2014年

9 李方方;非独立同分布推荐系统研究[D];北京理工大学;2014年

10 李晓建;基于语义的个性化资源推荐系统中关键技术研究[D];武汉大学;2010年

中国硕士学位论文全文数据库 前10条

1 朱孔真;基于云计算的电子商务智能推荐系统研究[D];武汉理工大学;2014年

2 郭敬泽;基于赋权评分和Dpark的分布式推荐系统研究与实现[D];天津理工大学;2015年

3 周俊宇;信息推荐系统的研究与设计[D];江南大学;2015年

4 李炜;基于电子商务平台的保险推荐系统的设计与实现[D];复旦大学;2013年

5 车丰;基于排序主题模型的论文推荐系统[D];大连海事大学;2015年

6 秦大路;基于因式分解机模型的上下文感知推荐系统研究[D];郑州大学;2015年

7 徐霞婷;动态路网监控与导航推荐系统的设计与实现[D];苏州大学;2015年

8 黄学峰;基于Hadoop的电影推荐系统研究与实现[D];南京师范大学;2015年

9 路小瑞;基于Hadoop平台的职位推荐系统的设计与实现[D];上海交通大学;2015年

10 李爱宝;基于组合消费行为分析的团购推荐系统的设计与实现[D];哈尔滨工业大学;2015年

  本文关键词：网络隐私保护下推荐系统改进研究，由笔耕文化传播整理发布。

，

本文编号：284475