科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】社交推荐是在传统推荐的基础上引入用户的社交信息以更好地生成推荐结果。由于社交推荐不仅涉及用户本身的信息，还涉及用户的社交关系信息，因此对用户的隐私保护变得更加重要。然而，目前的社交推荐方法大多只注重提高推荐准确性，而忽视了对用户个人信息隐私保护的问题。因此针对社交推荐中用户的评分数据和社交关系数据的隐私保护问题，提出了一种基于社区划分的社交推荐隐私保护方法（SRCD），【方法】首先，考虑评分值的分布范围对用户相似度的影响，并结合用户之间的社交关系，来给社交网络中的用户划分社区，并计算每个社区中的用户对所看过项目的评分的均值。然后，根据社区划分的结果，寻找与目标用户所在社区相似的其他社区。这样，就可以构造出一个社区-项目评分均值矩阵。并且针对实际场景中评分均值矩阵稀疏的情况，采用了中位数填补矩阵的缺失元素。最后，用矩阵分解的结果来预测用户对项目的评分，从而评估算法的性能。【结果】通过仿真实验验证，所提方法相比于现有的社交推荐算法不仅在隐私保护方面提供了保障，而且在推荐准确度方面具有相近的预测准确率。【结论】经过实验表明，所提出的方法不仅在一定程度上保护了用户的隐私信息，还为用户提供了令人满意的推荐结果。
