带有差分隐私保护的模糊C均值聚类推荐技术的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 推荐系统研究现状 | 第12页 |
| 1.2.2 协同过滤算法研究现状 | 第12-13页 |
| 1.2.3 差分隐私研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 相关理论与算法介绍 | 第17-33页 |
| 2.1 个性化推荐系统 | 第17页 |
| 2.2 协同过滤推荐算法 | 第17-26页 |
| 2.2.1 基于内存的协同过滤算法 | 第18-25页 |
| 2.2.2 基于模型的协同过滤算法 | 第25-26页 |
| 2.3 聚类算法 | 第26-28页 |
| 2.3.1 K-means聚类 | 第26页 |
| 2.3.2 模糊C均值聚类 | 第26-28页 |
| 2.3.3 对比 | 第28页 |
| 2.4 差分隐私保护技术 | 第28-31页 |
| 2.4.1 隐私定义 | 第29页 |
| 2.4.2 差分隐私概念 | 第29页 |
| 2.4.3 Laplace机制 | 第29-30页 |
| 2.4.4 指数机制 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 基于最小生成树的模糊C均值聚类 | 第33-43页 |
| 3.1 聚类算法存在的问题 | 第33页 |
| 3.2 IKA算法 | 第33-35页 |
| 3.3 算法描述 | 第35-36页 |
| 3.4 实验设计与分析 | 第36-41页 |
| 3.4.1 实验设计 | 第36-38页 |
| 3.4.2 实验结果及分析 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 带有差分隐私保护的模糊C均值聚类推荐 | 第43-54页 |
| 4.1 差分隐私保护 | 第43-44页 |
| 4.1.1 隐私泄露分析 | 第43-44页 |
| 4.1.2 关键点加噪 | 第44页 |
| 4.2 推荐算法的改进 | 第44-46页 |
| 4.2.1 基于项目类别的评分矩阵填充 | 第44-45页 |
| 4.2.2 基于用户兴趣的相似度改进 | 第45-46页 |
| 4.3 算法描述 | 第46-47页 |
| 4.4 实验设计与分析 | 第47-51页 |
| 4.4.1 实验设计 | 第48-50页 |
| 4.4.2 实验结果及分析 | 第50-51页 |
| 4.5 本章小结 | 第51-54页 |
| 第5章 电影推荐系统的设计和实现 | 第54-62页 |
| 5.1 需求分析 | 第54-55页 |
| 5.1.1 功能需求 | 第54页 |
| 5.1.2 非功能需求 | 第54-55页 |
| 5.2 系统架构设计 | 第55-56页 |
| 5.3 数据库设计 | 第56-58页 |
| 5.3.1 数据集 | 第56-57页 |
| 5.3.2 数据库 | 第57-58页 |
| 5.4 系统实现 | 第58-61页 |
| 5.4.1 登录界面 | 第58页 |
| 5.4.2 个性化推荐界面 | 第58-59页 |
| 5.4.3 电影评价界面 | 第59-60页 |
| 5.4.4 电影添加界面 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |
