基于压缩感知差分隐私保护的协同过滤推荐算法研究

来源 :辽宁工程技术大学 | 被引量 : 0次 | 上传用户:freeman_1982
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
推荐系统是解决信息过载问题的有效手段,但是推荐算法在挖掘用户和产品之间的关系容易出现用户隐私泄露的问题,对用户的隐私保护造成了危害。因此基于隐私保护的推荐算法研究成为当前有待解决的问题。本文对基于压缩感知差分隐私保护的协同过滤推荐算法进行了研究,在差分隐私保护与协同过滤关键技术与理论分析的基础上,研究了推荐系统面临的隐私攻击问题。建立了基于压缩感知差分隐私保护的协同过滤推荐模型,对压缩感知模型和对压缩后数据的差分隐私重构进行了研究,并对其中的重构流程进行了分析。构建了基于压缩感知的测量矩阵,对其中重要参数做了研究。结合差分隐私保护的原理对实现流程进行了分析,根据差分隐私保护实现流程的关键步骤,对基于差分隐私协同过滤算法进行了改进。通过在真实数据集上对构建的压缩感知测量矩阵进行对比测试实验,得到了压缩感知测量矩阵在数据重构中的均方根误差较小,验证了压缩感知测量矩阵具有较好的数据发布精度。在满足差分隐私保护的情况下在数据集上进行对比测试,压缩感知差分隐私保护在数据重构中的均方根误差较小,具有较高的信息发布精度。对改进的协同过滤推荐算法的隐私保护性能进行了测试,利用测试数据集Netflix和Movie Lens做了分析,改进后的算法比传统的具有更低的标准平均绝对偏差。该论文有图25幅,表2个,参考文献54篇。
其他文献
当前的通信系统面临着频谱资源紧张的问题,传统的微波系统不能满足5G通信系统的发展要求,随着物联网等技术的普及,相应的射频系统也需要高度智能化。多波段并发功率放大器是当今发展的主流和研究热点,而可重构技术是实现系统智能化的关键技术,使得前端收发模块可以重构。因此,在未来的通信系统模块中,集成可重构匹配电路和可重构开关的新型功率放大器研究意义深远且应用价值广泛。本文首先提出了一款双波段可重构功率放大器
学位
信号的调制编码盲识别即在未知信号先验信息的情况下,基于信号的原始信息对接收信号的调制编码类型实现准确识别,为后续的信号参数分析和解调译码工作提供依据,在自适应调制编码系统及军事侦察等非协作通信领域中发挥重要作用。深度学习技术基于数据驱动,能够有效提取样本中深层次的特征,为编码调制识别方向提供了全新的思路。本文将深度学习技术应用到调制编码盲识别领域,实现对无线电调制编码信号的精准识别,论文主要研究内
学位
天线在无线通信系统中非常重要,尤其是在高质量的移动通讯系统中,小尺寸、集成度高的UWB-MIMO(Ultra Wide Band-Multiple-Input Multiple-Output)天线越来越重要。论文针对UWB-MIMO无线通信系统中存在带宽窄,尺寸大,隔离度低等问题,围绕小型化技术和去耦技术展开了研究,主要完成了以下的工作:针对当前超宽带多输入多输出天线存在窄带频段干扰、尺寸大、隔离
学位
随着社会信息化的不断发展,信息安全对人类生活的影响愈发深入,如何准确识别一个人的身份,已成为模式识别领域的关注焦点。指关节纹识别作为一种新颖的生物特征识别方式,具有广阔的发展空间。研究发现,指关节纹具有丰富的纹理信息,而纹理特征易受噪声干扰导致识别准确性降低、鲁棒性差,因此增加其识别准确率有利于提升身份认证的安全可靠性。本文结合纹理分析的方法,对指关节纹识别进行研究,主要创新内容如下:(1)针对目
学位
太阳能电池组件在工业量产的过程中,因生产环节的繁琐性,容易产生十字隐裂、裂痕、阴影等缺陷,降低电池组件的发电功率,进而引发连锁反应影响到整体的能源利用效率和能源生产的稳定性,因此对太阳能电池组件的缺陷检测具有重要意义。目前人工检测法是生产车间主流的检测方法,但由于成本昂贵且不能有效的检测缺陷,随着计算机视觉的蓬勃发展,基于机器视觉的自动缺陷检测方法逐步兴起。自动缺陷检测方法分为传统图像处理法和深度
学位
随着信息技术的迅猛发展,多元化的在线数据规模越来越大,人们很难从中找到感兴趣且有用的信息。推荐系统的问世缓解了这一问题,它帮助用户更准确、高效的获取信息以满足用户的个性化需求。近年来,基于Web2.0的在线社交网络爆炸式增长,使得融合用户社交关系信息的社会化推荐算法在推荐领域得到了广泛使用。社会化推荐考虑到用户的行为偏好会受到其社交对象的影响,将用户的社交关系作为辅助信息引入推荐系统以缓解用户冷启
学位
水质预测是水污染防治中的一个关键环节,目前关于机器学习的水质预测已成为工程领域的一项重要研究课题。由于水质时序数据的复杂性,传统的物理预测法和统计预测法存在效率低和精度差等不足,针对上述问题,本文提出基于二层分解技术结合麻雀搜索算法优化Elman神经网络的水质预测模型。首先,在数据预处理阶段,采用拉依达法则、三次样条插值和min-max算法对数据进行离群值剔除、缺失值填充和数据归一化处理,为后续的
学位
随着人们的需求不断提高,推荐的目标从单一变成了群组,群组推荐逐渐成为研究的焦点。群组推荐的特点是它需要同时考虑一个群组内所有成员的偏好,但目前的研究存在一定的不足,包括:第一,群组推荐方法的研究中大多使用固定的、对称的关系权重进行预测项目评分,但群体决策过程复杂,需要在群体成员之间进行权衡。现有的研究往往忽略群体成员之间复杂的关系影响导致群组推荐准确度偏低;第二,在现有的研究中虽然对于时间迁移问题
学位
骨龄是评估儿童生长发育状况的常用指标,主要用于了解儿童的身体发育情况,在临床医学研究中,骨龄被用于判断儿童发育情况、分析与诊断内分泌、营养方面的相关疾病。传统骨龄评估方法由医师评估骨龄,依赖医生的熟练程度,主观性较强,结果波动较大。基于机器学习的骨龄评估方法需要手动提取分割区域的特征,因此计算复杂、耗费时间、泛化能力弱。针对目前人工骨龄评估和基于传统机器学习骨龄评估方法中的问题,论文提出了一种基于
学位
随着互联网技术与共享经济模式的快速发展,时空众包成为群智感知模式的一个新型范例,它刻画了物理世界与网络世界协同交互的关系,将具有时间限制和地域敏感特征的真实任务通过云平台外包给分散的潜在工人,旨在完成基于位置的传感任务。如何为众包工人推荐和分配与之偏好密切相关的任务,是时空众包研究中的一个关键问题。本文综合考虑到平台收益、任务发布者对任务反馈的满意度以及众包工人对任务的适应力三方需求,根据众包工人
学位