[发明专利]一种基于差分隐私保护的矩阵分解推荐方法在审
| 申请号： | 201810117975.0 | 申请日： | 2018-02-06 |
| 公开（公告）号： | CN108280217A | 公开（公告）日： | 2018-07-13 |
| 发明（设计）人： | 侯君;李千目;刘魁;耿夏琛 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F21/62;G06F17/16 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 薛云燕 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于差分隐私保护的矩阵分解推荐方法。该方法如下：将已收集的用户对物品的评价或喜好，转化为用户‑评分矩阵，作为推荐方法模型的训练集；利用评分平均值、用户因子矩阵、物品因子矩阵、用户偏置项、物品偏置项预测用户对物品的评分情况；通过差分隐私平均值计算方法，计算出差分隐私保护下的用户评分的平均值；根据评分预测模型，建立最小化平方误差函数；利用差分隐私随机梯度下降方法，训练评分预测模型并在训练过程中添加差分隐私噪声，实现参数的差分隐私保护；利用评分预测模型与训练出的差分隐私保护模型参数，预测用户对物品的评分。本发明可以在提供推荐结果时，对用户的信息进行差分隐私保护，并具有较高的推荐准确度。 | ||
| 搜索关键词： | 隐私保护 预测模型 隐私 矩阵分解 因子矩阵 偏置 平均值计算 方法模型 模型参数 平方误差 评分矩阵 随机梯度 训练过程 准确度 训练集 最小化 预测 喜好 噪声 出差 转化 | ||
【主权项】：
1.一种基于差分隐私保护的矩阵分解推荐方法，其特征在于，包括以下步骤：步骤1、将已收集的用户对物品的评价或喜好，转化为用户‑评分矩阵，作为推荐方法模型的训练集；步骤2、利用矩阵分解方法建立评分预测模型，利用评分平均值、用户因子矩阵、物品因子矩阵、用户偏置项、物品偏置项预测用户对物品的评分情况；步骤3、通过差分隐私平均值计算方法，计算出差分隐私保护下的用户评分的平均值；步骤4、根据评分预测模型，建立最小化平方误差函数；步骤5、利用差分隐私随机梯度下降方法，训练评分预测模型中的用户因子矩阵、物品因子矩阵、用户偏置项、物品偏置项，并在训练过程中向用户因子矩阵、物品因子矩阵、用户偏置项、物品偏置项中添加差分隐私噪声，实现参数的差分隐私保护；步骤6、利用评分预测模型与训练出的差分隐私保护模型参数，预测用户对物品的评分。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810117975.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种页面性能优化方法和装置
- 下一篇：一种基于检索和生产混合问答的流程系统
