【技术实现步骤摘要】
一种智慧城市中数据隐私与服务的推荐方法
[0001]本专利技术属于智慧城市领域,更具体的说涉及一种智慧城市中数据隐私与服务的推荐方法。
技术介绍
[0002]随着数据时代的发展,互联网的数据总量正在急速增长,图电影、视频、文字等数据充斥着用户的网络空间的同时也在不断推陈出新。在这种情况下,推荐系统应运而生,推荐系统能够较好地解决数据分发问题,通过适当的算法设计,能将更匹配的数据推送到用户手上,增加用户的使用体验。当前,推荐系统已经成为了目前大多数互联网平台软件系统中不可或缺的一部分。近几年深度学习的迅猛发展,基于深度学习的推荐系统在业界得到了广泛的应用,在推荐效果极大提升的同时,使用的推荐系统模型也变得更加复杂,难以调试,随之而来的就是巨大的训练数据需求。在现有的技术下,商业公司往往通过广泛收集用户数据的方式来获取原始数据资料,进行一定处理后再用于推荐系统模型的训练。但数据收集的过程隐藏着不可忽视的隐私隐患,用户的个人隐私得不到充足的保证。目前,在全球范围内,许多国家与地区都开始重视互联网中的隐私问题,相继推出了各种有关隐私保护的法案,如欧盟的GDPR,中国的数据安全法。
[0003]智慧城市中,存在着各种各样的网络应用服务,例如医疗服务、饮食服务、交通服务于等,这些服务已经慢慢地渗透到人们的生活中。现如今,人们每天都需要和这些Web服务进行上百次的交互。因此,用户调用服务就会产生大量的信息,如何根据这些信息对用户进行精准的推荐就是服务推荐是现在服务推荐的一个方向。
技术实现思路
[0004] ...
【技术保护点】
【技术特征摘要】
1.一种智慧城市中数据隐私与服务的推荐方法,其特征在于:所述的数据隐私与服务的推荐方法包括:S1用户数据隐私模糊,提取不同服务器上用户的数据,并在数据中加入噪音进行隐私模糊;S2用户数据融合,将不同服务器提到的用户数据进行融合,形成一个统一的用户行为数据集;S3用户数据切片,将整合好的用户数据,按照用户、服务、时间,三个方面进行数据切片分解;S4用户数据分类,将用户的数据划分为不同的行为类别,并且将相似的行为类别数据划分到同一个类簇;S5用户行为预测,对每个类簇使用分解算法对缺失的数据进行预测,补充完整用户的行为。2.根据权利要求1所述的一种智慧城市中数据隐私与服务的推荐方法,其特征在于:所述的S1用户数据隐私模糊;各服务器节点上的初始数据{r1,r2,
…
,r
k
}首先需要根据拉普拉斯分布添加随机的噪音{α1,α2,
…
,α
k
},得到加入噪音后的新数据{r1′
,r
′2,
…
,r
′
k
},再将新的数据集中到同一节点中进行后续的步骤。3.根据权利要求1所述的一种智慧城市中数据隐私与服务的推荐方法,其特征在于:所述的S2用户数据融合,在收到各个服务器节点上传来的加入噪音后的数据{r1′
,r
′2,
…
,r
′
k
}后,将这些数据整合为一个新的三维矢量数据R,三个维度分别是用户、服务、时间。4.根据权利要求1所述的一种智慧城市中数据隐私与服务的推荐方法,其特征在于:所述的S3用户数据切片,根据用户、服务、时间三个维度对三维矢量R进行分割,根据时间维度划分得到时间片集合{t1,t2,
…
,t
k
};根据用户维度划分得到用户片集合{u1,u2,
…
,u
i
};根据服务维度划分得到服务片集合{s1,s2,
…
,s
j
};将得到时间片集合拼接为新的矩阵T
‑
M;将用户片集合拼接为新的矩阵U_M;将服务片...
【专利技术属性】
技术研发人员:吴志华,冯清洋,赵仕鹏,王斌,
申请(专利权)人:杭州绿城信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。