[发明专利]一种基于差分隐私保护的人格预测方法、装置

说明书

本发明涉及隐私保护技术领域，更具体的，涉及一种基于差分隐私保护的人格预测方法、装置。本发明将差分隐私技术用来保护用户隐私。本发明通过欧几里得距离衡量词向量之间的语义相似程度，使得扰动后的文本可以拥有与原文意思接近的语义，避免大量低概率被候选到的词语，用少量的隐私代价，减小了计算消耗，提高了算法的运行速度；并且在进行数据扰动过程中，通过词性分类作为扰动的候选集，而每个词向量会根据对应的词性分类进行同词性扰动，既保证了人格预测的准确性，也确保了每个文本数据的可读性。

技术领域

本发明涉及隐私保护技术领域，更具体的，涉及一种基于差分隐私保护的人格预测方法、装置。

背景技术

随着大数据时代的到来，多种机器学习模型在人们生活的方方面面提供了便利的帮助。这些机器学习模型使用的数据往往包含用户的个人信息。这些个人信息如果不加以保护，可能会被第三方收集，存在着隐私泄露的风险。文本数据常出现在各类社交网络平台上，许多人喜欢通过自己编写的一段话来记录当前的所思所想。这些文本数据通常具有极其强烈的个人特征，例如通过文本内容进行情感分析和人格预测等。当前的研究方向上，使用文本作为原始数据进行人格预测也是非常常见的。

然而，在人格预测算法中，用户将自己的数据毫无保留的上传给第三方，这些数据可能是家庭住址、旅行记录等包含用户敏感信息的数据，如果不可信的第三方因为商业利益将数据泄露给其他机构或个人，这势必会造成用户隐私的泄露，危害个人的信息安全。因此，如何在不泄露个人敏感信息的前提下实现高效的人格预测算法变得尤为重要。而当下主流的文本保护方案中对于所有的文本都进行同样程度的隐私考虑，忽视了不同词性的单词包含的隐私信息容量不同，会对文本造成效用性低的问题。

发明内容

基于此，有必要针对现有人格预测方案中用户文本数据的效用和安全难以平衡的技术问题，提供一种基于差分隐私保护的人格预测方法、装置，能更好地保护用户文本数据的隐私、并维持人格预测准确度和效用之间的平衡。

本发明采用以下技术方案实现：

第一方面，本发明公开了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。

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，1≤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E_n×m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：