近年来,大众点评、Yelp等在线评论系统已广泛用于帮助人们日常生活中做出更好的消费决策,并受到了高度的关注。但是,在线评论中列出了用户自愿提交的所有评论,评论附带的信息给用户的位置隐私带来了威胁。传统的位置隐私保护方法主要通过泛化、扰动等技术对位置信息进行转换。但在大众点评这些系统中,为了保持评论信息的可用性,评论所附带的位置信息需要精确呈现。因此,传统的位置隐私保护方法无法适用。为了解决该问题,本文提出一种基于负调查的保护位置隐私的评论模型。负调查起源于生物免疫系统中的负选择机制,可以在隐私保护的情况下收集用户数据并重建出数据整体的分布情况。区别于已有的位置隐私保护方法,本文的方法通过变换评论中的用户身份标识信息(ID)来解决用户的位置隐私安全问题。此外,现实应用中通常存在一些背景知识,而这些背景知识有利于提升负调查重建数据分布的精度。因此,本文提出了一种针对背景知识的负调查重建算法,相比于传统的重建算法,可以更有效地处理与背景知识相违背的不合理数据。具体工作如下:1)提出了一种基于负调查的保护位置隐私的评论模型。该模型首先根据评论中的位置信息,分析用户的活跃区域和个人喜好;然后,将不同活跃区域和不同喜好的用户分为一组;再使用负调查对评论的用户ID在组内进行转换,打乱每个评论的用户信息,从而使攻击者无法辨别评论的真实发布用户;最后采用负调查的重建算法计算小组内每个用户的评论数目,保障了系统中基于用户评论数目的相关功能,如计算用户的等级。本文采集了大众点评用户的真实评论数据进行实验,验证了该模型的有效性。2)针对存在背景知识的情况,提出了一种基于背景知识和负调查的保护位置隐私的评论模型。本文提出了一种能有效利用背景知识的负调查重建算法NStoPS-UD,并将该方法用于保护位置隐私的评论模型中。通过采用大众点评的评论数据和模拟数据进行实验,将本文提出的算法和已有的方法进行对比,结果表明本文的算法可以同时处理负值和与背景知识相违背的不合理数据,并且误差较小。最后,对NStoPS-UD进行扩展,扩展为可以适用于选择概率满足任意分布时的负调查,给出了这种情况下的计算表达式。