科研之友
微信
新浪微博
Facebook
分享链接
摘要
对分布式网络用户数据进行隐私协同保护能够有效提高用户覆盖率、缩短运行时间、提高准确率等。对用户数据隐私协同的保护,先建立网络用户兴趣模型,再利用EM算法最大化似然函数对模型估值,计算用户间相似度,找出目标用户最近邻,完成用户数据隐私协同保护。传统方法将目标函数加扰方法应用于ALS目标函数中,求出这两个真实数据集,但忽略了对用户相似度估算,导致运行时间长。提出一种基于用户模糊相似度的方法。利用梯形模糊数确定网络用户信息量,得到数据梯形模糊评分值,利用该值计算网络用户兴趣数据概率值,通过概率值构建网络用户兴趣模型。引入EM算法最大化似然函数估计模型,用估值计算用户间相似度,以此找出目标用户最近邻,并对所有未评分数据项目进行评分。结果表明,所提方法在分布式数据隐私协同保护中,用户覆盖率高、运行时间短、有较高准确性。
- 单位
