支持隐私保护的社交网络信息推荐方法 |
| |
作者姓名: | 张超 梁英 方浩汕 |
| |
作者单位: | 中国科学院计算技术研究所泛在计算系统研究中心,北京 100190;中国科学院大学人工智能学院,北京 100049;中国科学院计算技术研究所泛在计算系统研究中心,北京 100190;中国科学院计算技术研究所泛在计算系统研究中心,北京 100190;山东大学软件学院,山东 济南 250101 |
| |
基金项目: | 国家重点研发计划;国家重点研发计划 |
| |
摘 要: | 针对社交网络信息推荐中的信息传播带来隐私泄露的问题,结合信息传播模型,提出了一种支持隐私保护的社交网络信息推荐方法,通过好友的兴趣度、熟悉度和兴趣相似度推测用户兴趣,进行文本匹配和推荐候选集排序;通过个性化隐私偏好设置允许用户设置受限访问用户列表,并使用隐私保护方法计算信息传播至黑名单用户的概率,设置隐私泄露阈值对黑名单用户访问隐私博文的概率进行控制,达到信息推荐中保护用户隐私的目的。实验结果表明,所提方法可以在保证推荐效果的同时更好地保护用户隐私。
|
关 键 词: | 社交网络 信息推荐 隐私保护 访问控制 数据挖掘 |
本文献已被 CNKI 万方数据 等数据库收录! |
|