论文研究 一种基于群组推荐的用户隐私保护方法.pdf

针对现有协同过滤推荐系统中存在的用户隐私泄露问题，提出一种基于群组推荐的用户隐私保护方法，利用群组的天然匿名特性，实现用户身份和个人数据的保护，具体方法包括：用户通过自组织或系统聚类形成群组后，在组内选举管理节点并构建Crowds网络，组内成员通过构建好的Crowds网络将推荐所需数据提交至管理节点，管理节点对收集的数据汇总后提交至推荐服务器；推荐服务器以群组为单位，采用基于群组—项目—标签三部图的物质扩散方法进行推荐，并将推荐结果返回至各管理节点；管理节点将结果分发至组内成员，各成员修正后生成最终推荐结果。实验结果表明，所提算法框架能够在保护用户隐私的同时，保证推荐结果质量。