[发明专利]一种基于差分隐私保护的人格预测方法、装置

权利要求书

1.一种基于差分隐私保护的人格预测方法，用于对目标用户进行人格预测，其特征在于，所述人格预测方法包括以下步骤：

步骤1，获取目标用户的原始文本数据U，并生成原始文本数据矩阵R_n×m；其中，原始文本数据矩阵R_n×m中的第i行、第j列的元素为r_ij，1≤i≤n，1≤j≤m；

步骤2，对原始文本数据矩阵R_n×m中的所有元素r_ij执行词性标注算法f_pos()，得到词性标注s_ij，并按照词性标注结果进行分类得到词性集合P_K；

所述词性集合P_K包括P_n、P_v、P_j、P_rb、P_o；其中，P_n为名词集合，P_v为动词集合，P_j为形容词集合，P_rb为副词集合，P_o为其他词性集合；

步骤3，通过Word2vec模型将r_ij计算得到词向量e_ij，E_n×m1≤i≤n，1≤j≤m，并由词向量e_ij组成词向量矩阵E_n×m；

步骤4，对词向量矩阵进行差分隐私指数机制扰动得到扰动后的词向量矩阵E_n′_×m；

其中，步骤4包括：

步骤4.1，对e_ij进行计算得到d_g，组成集合D＝{d₁,d₂,...,d_g}；

其中，d_g＝d(e_ij,p_k)＝||e_ij-p_k||₂，g≤ω，1≤k≤ω；

ω为s_ij值所对应词性集合P_K中元素的总个数，s_ij值与e_ij对应；p_k表示P_K中的任一元素；

步骤4.2，对集合D中的所有值进行归一化得到D′＝{d′₁,d′₂,...,d′_g}；

步骤4.3，选出D′中最小的Q个值组成映射集合D″＝{d₁″,d₂″,...,d_Q″}；

步骤4.4，将e_ij使用扰动函数f_exp( )进行转换得到扰动后的词向量e′_ij，并由e′_ij组成扰动后的词向量矩阵E′_n×m；

其中，扰动的概率为：

ε为隐私预算值；u()表示打分函数，u(e_ij,e′_ij)＝1-d(e_ij,e′_ij)＝1-||e_ij-e′_ij||₂，u(e_ij,d_q″)＝1-d(e_ij,d_q″)＝1-||e_ij-d_q″||₂；Δu为敏感度，Δu＝1；

步骤5，使用现有训练数据集对人格预测模型进行预训练，在损失Loss趋于稳定时，得到输入层到隐含层的权值矩阵W、隐含层到输出层的权值矩阵W′；

其中，现有训练数据集包括文本和其对应已标注的人格分类标签；

步骤6，使用扰动后的词向量矩阵E_n′_×m作为预训练后的人格预测模型的输入，进行模型计算得到人格预测结果。