基于协同过滤的位置智能推荐及隐私保护方法研究

摘要

随着信息技术的不断发展，如何及时有效地从网络中发现自己所需要的位置信息成为当前研究的热点，而基于位置的推荐系统就是解决这一问题的最有效的途径。在推荐过程中，系统利用基于内容的推荐、协同过滤、基于知识的推理等推荐算法，构建用户的偏好模型，结合用户的位置信息，为用户产生推荐结果。但是，在推荐过程中，用户的隐私却极有可能受到威胁。本文对基于位置的推荐系统中的推荐算法及相关的隐私问题进行探索性研究，主要包括：
　　（1）设计一种基于敏感位置场景的隐私检测算法。传统的基于位置的推荐系统大都采用的是协同过滤推荐算法，对用户-位置进行相似性的计算，却忽略了位置场景对用户隐私的影响。针对此问题，本文利用位置服务以及传统协同过滤的基本思想，把位置场景引入到位置推荐过程中，给出一种针对敏感位置场景的隐私保护算法，并证明此算法满足隐私保护的要求且不影响推荐结果的产生。
　　（2）设计一种基于位置独立性的隐私检测算法。基于位置的推荐系统在服务的过程中，会利用用户间的相似性向用户返回推荐结果。但是基于用户相似性的位置推荐往往只强调用户间相似性的高低，却忽略了待推荐的位置中是否存在具有独立性特征的位置数据，即该位置是否只属于某个用户，如果将此类位置数据推荐给其他用户，将会造成不必要的隐私泄露。为解决此问题，本文提出一种基于位置独立性的隐私检测算法，对用户的隐私进行保护，并利用实验分析推荐的准确率以及该算法对推荐结果的影响。
　　（3）对基于隐私保护的推荐算法进行优化。在推荐环节，根据基于位置的协同过滤推荐算法，设计不同参数的实验，利用均方根误差表示推荐的准确率，最终得到最符合要求的迭代次数、特征向量等影响推荐结果的参数值。

目录

声明

第一章 绪论

1.1研究背景

1.2研究目的及意义

1.3研究内容

1.4论文的组织结构

第二章 基于协同过滤的位置推荐

2.1推荐系统

2.2推荐方法

2.3本章小结

第三章 基于位置推荐的隐私攻击

3.1推理攻击模型

3.2基于用户的协同过滤的推理攻击模型

3.3基于位置的协同过滤的推理攻击模型

3.4本章小结

第四章 感知隐私推理攻击的位置推荐算法

4.1系统架构

4.2算法实现

4.3实例分析

4.4评价模型

4.5本章小结

第五章 实验与结果分析

5.1实验目的

5.2实验环境

5.3数据准备

5.4实验结果及分析

5.5本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

附录1 程序清单

附录2 攻读硕士学位期间撰写的论文

附录3 攻读硕士学位期间参加的科研项目

致谢