面向商品推荐的差分隐私保护算法研究.pdf

摘要   摘要 经 法 。 随着 据规 的增长和网络商品 济的发展， 荐算 的 要性不言 喻 数 模 推 重 而 推 法 挖 提 。 品推 荐算 旨在利用数据 掘等技术为用户 供个性化推荐 在具体的商 荐 中 利 户 商 馈， 其中不可 免 存 泄 户 的风 。 需要 用用 对 品的反 这 避 地 在着 露用 隐私 险 一 ， 己 通 准。 差分隐私具有高隐私性特点 成为隐私保护领域的 个 用标 本文就其中 体 ， 宄 向商 推 的差分隐 保护算法。 两个具 的问题 研 了面 品 荐 私 一 ， 护 。 推 ， 其 针 频繁 集挖掘 的隐私保 宄 商品 荐过 中 历史消 费数 对 项 研 程 据充 时， － 商 之间潜在的联系， 推荐系 需要挖掘频繁项 足 为了发现商品 品 统往往 一 过 评 。 此， 集， 这 程需要保护用户对商品的历 消 和 价等隐私信息 为 文研 史 费 本 宄 在保护差分 的 求 ， 高维数据集中挖掘 项集 问 ， 并提出 了 隐私 要 下 频繁 的 题 了 － － ｒｉｖ ＵＤ ｉ ｓｅ 。 ， ＰｒｉｖＢＵＤ ｉ ｅ Ｐ Ｂ Ｗ 算法 与传统算法会导致额外的信息损失不同 Ｗ ｓ 算 法 通 理