计算机应用研究

作者：张润莲,张瑞,武小年,刘文芬,

单位：桂林电子科技大学a.广西密码学与信息安全重点实验室;b.广西高校云计算与复杂系统重点实验室,广西桂林541004；

关键词：推荐系统,隐私保护,协同过滤算法,差分隐私,混合相似度,

基金：国家自然科学基金资助项目(61862011)；广西自然科学基金资助项目(2018GXNSFAA294036)；广西高校云计算与复杂系统重点实验室项目(YF16205)；；

现有协同过滤推荐算法中，存在的评分片面、主观性强、评分矩阵稀疏性等因素影响了推荐的精确度，并在推荐中存在隐私泄露等问题。针对上述问题，提出一种基于混合相似度和差分隐私的协同过滤推荐算法。该算法基于多种相似度进行加权计算构造混合相似度，提高推荐精度；以混合相似度作为质心更新和分类条件，利用改进的K-means算法将与目标用户相似度高的用户进行聚类；采用枚举方法在目标用户集中划分子集，并基于混合相似度构建效用函数，利用差分隐私指数机制在各子集中选择邻居集合，保护用户隐私；最后在邻居集合中选择出评分值最高的项目进行推荐。实验结果表明，该算法在保护用户隐私的同时，有效提高了推荐的精确度。

来源：2021年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第8期