基于改进匿名模型的上下文推荐系统研究

• 作者: 于炯 薛朋强 鲜英
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 聚类 上下文感知 推荐系统 (k,α)-匿名化 隐私保护
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 214-219
• 页数: 6页
• 分类号: TP391
• 字数: 6310字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.03.036

摘要

基于上下文感知的推荐系统通过引入上下文环境信息进行推荐,其中用户的隐私信息往往能够被攻击者直接或间接地获取到,造成隐私泄露.针对以上问题,在上下文感知推荐系统中融入一种改进的匿名模型.结合聚类方法将不同的敏感属性值进行分组,对多敏感属性进行匿名,在隐私保护方面,对高敏感属性信息具有较高的保护程度,有相似敏感程度的信息具有相似的保护程度.在真实数据集上的实验结果表明,该方法能在保护推荐系统中用户隐私的同时,提高推荐精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲜英	新疆大学信息科学与工程学院	3	4	1.0	1.0
2	于炯	新疆大学研究生院	3	2	1.0	1.0
3	薛朋强	新疆大学信息科学与工程学院	5	30	2.0	5.0