论文部分内容阅读
用户隐私安全问题正成为制约推荐服务发展应用的障碍.本文以图书推荐为例,构建实现了用户隐私安全的图书推荐服务,其基本思想是:在可信客户端精心伪造用户配置文件,以模糊用户敏感主题,改善用户隐私在不可信服务器端的安全性.首先,给出基于客户端的用户隐私安全的图书推荐框架,它不改变服务器端的推荐算法,也不影响推荐结果的准确性.然后,定义用户隐私模型,以形式化描述可信客户端伪造的配置文件应满足的约束条件.最后,借助于图书分类目录,给出用户隐私模型实现算法.理论分析和实验评估均验证了系统的有效性.