| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 研究现状及分析 | 第12-15页 |
| 1.3 本文的主要创新与组织结构 | 第15-17页 |
| 第2章 推荐系统、隐私保护方法及非独立同分布数据概述 | 第17-26页 |
| 2.1 矩阵分解 | 第17-19页 |
| 2.1.1 矩阵分解模型主要类型 | 第17-18页 |
| 2.1.2 矩阵分解的隐私问题 | 第18-19页 |
| 2.2 经典的隐私保护模型 | 第19-23页 |
| 2.2.1 K-匿名模型 | 第19-20页 |
| 2.2.2 差分隐私模型 | 第20-23页 |
| 2.3 非独立同分布数据下的隐私问题 | 第23-24页 |
| 2.3.1 非独立同分布数据的推荐系统 | 第23-24页 |
| 2.3.2 非独立同分布数据的隐私问题 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 非独立同分布数据的多相关性差分隐私矩阵分解方法 | 第26-43页 |
| 3.1 非独立同分布推荐系统的场景假设与隐私问题描述 | 第26-29页 |
| 3.2 非独立同分布数据的多相关性分析 | 第29-32页 |
| 3.3 多相关性差分隐私矩阵分解方法 | 第32-40页 |
| 3.3.1 多相关性差分隐私矩阵分解模型 | 第32-37页 |
| 3.3.2 多相关目标扰动机制 | 第37-40页 |
| 3.4 模型隐私安全性和算法复杂度分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 多相关性差分隐私矩阵分解推荐系统设计与实现 | 第43-53页 |
| 4.1 多相关性差分隐私矩阵分解推荐系统设计 | 第43-45页 |
| 4.1.1 系统需求分析 | 第43页 |
| 4.1.2 系统总体设计 | 第43-45页 |
| 4.2 多相关性差分隐私矩阵分解推荐系统的实现 | 第45-51页 |
| 4.2.1 初始随机矩阵生成算法 | 第45-47页 |
| 4.2.2 相关系数矩阵算法 | 第47-49页 |
| 4.2.3 多相关性随机噪声矩阵算法设计 | 第49-50页 |
| 4.2.4 多相关性差分隐私矩阵分解算法设计 | 第50-51页 |
| 4.3 系统模块算法复杂性分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 系统环境与实验结果分析 | 第53-58页 |
| 5.1 系统环境与试验设计 | 第53-54页 |
| 5.1.1 实验环境设置 | 第53页 |
| 5.1.2 实验设计 | 第53-54页 |
| 5.2 实验结果及分析 | 第54-57页 |
| 5.2.1 学习迭代次数对模型预测精度的影响 | 第54-56页 |
| 5.2.2 隐私等级对模型预测精度的影响 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-61页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
