一种基于差分隐私的TopN协同过滤推荐方法技术

本发明专利技术公开了一种基于差分隐私的TopN协同过滤推荐方法，涉及差分隐私保护技术及协同推荐技术领域。本方法首先对原始的输入数据Rm*n合理地添加Laplace噪音，得到扰动后用户评分记录

A TopN collaborative filtering recommendation method based on differential privacy

The invention discloses a TopN collaborative filtering recommendation method based on differential privacy, which involves the domain of differential privacy protection and collaborative recommendation technology. This method first reasonably adds Laplace noise to the original input data Rm*n, and gets the user scoring record after the disturbance.

【技术实现步骤摘要】
一种基于差分隐私的TopN协同过滤推荐方法
本专利技术涉及差分隐私保护技术及协同推荐
，具体是一种基于差分隐私的TopN协同过滤推荐方法。
技术介绍
推荐算法是一种对用户的历史数据进行知识发现，并将这些知识用于预测用户对相关对象喜好程度的方法。推荐算法的应用方向主要包括：预测用户对物品的评分及利用TopN向用户推荐个性化的推荐列表。其中，TopN推荐是国内外学者普遍认可的具有实际意义的推荐模型。而在众多的推荐算法中，协同过滤算法是最为常用的推荐算法，基于协同过滤算法的TopN推荐系统常被用于各大网站从而提高用户体验。然而，在收集大量的用户信息进行数据分析与研究的同时，个体的敏感信息也存在着隐私泄露的风险。例如，攻击者根据目标用户的推荐列表推测其浏览记录从而获取用户的个人喜好，或者通过对个人背景知识的研究能够推测出用户的隐私信息等。目前，基于数据失真的隐私保护方法(如k-匿名、l-多样性以及t-接近等模型)只能应对特定背景知识下的攻击，无法适应多种背景知识的联合攻击，具有很大的局限性。此外，推荐系统的攻击者往往具备了解用户大量的历史行为记录的先决条件，即具有大量的背景知识，因而使本文档来自技高网...

【技术保护点】
一种基于差分隐私的TopN协同过滤推荐方法，其特征在于：包括数据预处理单元、评分预测单元和TopN推荐单元，具体如下：A、数据预处理单元：由用户原始评分记录建立用户评分矩阵，获得加噪后的全局平均评分、用户平均评分和项目平均评分；B、评分预测单元：利用加噪后的全局平均评分、用户平均评分和项目平均评分进行评分预测和数据的恢复处理；C、TopN推荐单元：根据余弦相似度计算用户之间的相似度，寻找与目标用户兴趣相似的用户，利用协同过滤算法生成推荐候选列表，然后采用拉普拉斯机制对其扰动，最后进行选取目标用户最感兴趣的TopN个项目进行推荐。

【技术特征摘要】
1.一种基于差分隐私的TopN协同过滤推荐方法，其特征在于：包括数据预处理单元、评分预测单元和TopN推荐单元，具体如下：A、数据预处理单元：由用户原始评分记录建立用户评分矩阵，获得加噪后的全局平均评分、用户平均评分和项目平均评分；B、评分预测单元：利用加噪后的全局平均评分、用户平均评分和项目平均评分进行评分预测和数据的恢复处理；C、TopN推荐单元：根据余弦相似度计算用户之间的相似度，寻找与目标用户兴趣相似的用户，利用协同过滤算法生成推荐候选列表，然后采用拉普拉斯机制对其扰动，最后进行选取目标用户最感兴趣的TopN个项目进行推荐。2.根据权利要求1所述的一种基于差分隐私的TopN协同过滤推荐方法，其特征在于：数据预处理单元具体步骤如下：1)首先，根据原始用户评分记录建立原始用户评分矩阵Rm*n，其中m为用户数，n为项目总数；2)然后，计算全局平均评分G，并对其添加噪声Lap(△f/ε1)，全局敏感度△f＝rmax-rmin，其中rmin和rmax分别为最低评分和最高评分，ε1为隐私预算，得到带有差分隐私保护的项目平均评分DPG；3)接下来，先统计参与项目i评分的用户的个数ICnt用来计算...

【专利技术属性】
技术研发人员：胡俊峰，吴响，毛亚青，王换换，
申请(专利权)人：徐州医科大学，
类型：发明
国别省市：江苏,32