基于差分隐私保护的协同过滤算法及在位置推荐中的应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的及意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 推荐系统差分隐私研究现状 | 第12页 |
| 1.3.2 隐私保护数据发布研究现状 | 第12-13页 |
| 1.3.3 基于位置服务推荐系统研究现状 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 差分隐私及协同过滤理论基础 | 第15-25页 |
| 2.1 差分隐私概述 | 第15-19页 |
| 2.1.1 传统隐私保护技术 | 第15-16页 |
| 2.1.2 差分隐私基本原理 | 第16-17页 |
| 2.1.3 差分隐私预算分配 | 第17-18页 |
| 2.1.4 差分隐私数据发布 | 第18-19页 |
| 2.2 协同过滤推荐算法 | 第19-23页 |
| 2.2.1 数据的稀疏性和矩阵分解 | 第19-21页 |
| 2.2.2 协同过滤推荐算法 | 第21-23页 |
| 2.3 数据集及评价指标 | 第23-24页 |
| 2.3.1 实验数据集 | 第23页 |
| 2.3.2 性能度量 | 第23页 |
| 2.3.3 实验环境 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于压缩感知的数据发布模型 | 第25-35页 |
| 3.1 压缩感知模型 | 第25-26页 |
| 3.2 差分隐私重构 | 第26-27页 |
| 3.3 基于压缩感知的隐私约束加扰 | 第27-31页 |
| 3.3.1 测量矩阵的构建 | 第28-29页 |
| 3.3.2 RIP分析 | 第29-30页 |
| 3.3.3 算法描述 | 第30-31页 |
| 3.4 隐私数据发布可用性分析 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于差分隐私保护的协同过滤推荐算法 | 第35-47页 |
| 4.1 隐语义分解模型 | 第35-36页 |
| 4.2 差分隐私矩阵分解机制 | 第36-38页 |
| 4.2.1 基于差分隐私保护的矩阵分解 | 第36-37页 |
| 4.2.2 差分隐私预算的选取 | 第37-38页 |
| 4.2.3 隐私性分析 | 第38页 |
| 4.3 差分隐私保护步骤 | 第38-41页 |
| 4.4 隐私保护推荐结果与分析 | 第41-46页 |
| 4.4.1 对比算法 | 第41页 |
| 4.4.2 实验比较与分析 | 第41-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 差分隐私在位置推荐中的应用研究 | 第47-57页 |
| 5.1 位置推荐模型 | 第47-49页 |
| 5.2 位置隐私聚类算法 | 第49-53页 |
| 5.2.1 兴趣区域聚类及权重矩阵的构建 | 第50-51页 |
| 5.2.2 差分隐私加扰保护 | 第51-53页 |
| 5.3 位置推荐实验分析 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-67页 |
| 致谢 | 第67页 |
