-
公开(公告)号：CN114943041A
公开(公告)日：2022-08-26
申请号：CN202210533312.3
申请日：2022-05-17
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F21/62
Abstract: 本发明涉及一种基于差分隐私的隐式反馈协同过滤推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；构造目标函数L(P,Q)，交替最小二乘法求解L(P,Q)，存储用户隐因子矩阵P；将求得的用户隐因子矩阵P代入目标函数L(P,Q)，得到关于项目隐因子矩阵Q的目标函数L(Q)，考虑每一个项目i∈I的目标函数L(qi)，将目标函数L(qi)展开为多项式，降低目标函数的敏感度，使用少量Laplace噪声对目标函数进行扰动；对所有加噪的目标函数求解，得到加噪的项目隐因子向量聚合所有的得到矩阵本发明具有良好的隐私保护性和模型准确性。
-
公开(公告)号：CN113849772B
公开(公告)日：2024-07-09
申请号：CN202111206920.5
申请日：2021-10-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于本地化差分隐私对矩阵分解算法的隐私信息保护，属于计算机推荐系统领域和信息安全领域，包括将训练模型解耦的分布式框架，用户原始数据与服务器完全分离开；改进矩阵分解的传统模型，将项目潜在特征矩阵分裂为两个子矩阵之和；使用随机投影技术和piesewise机制对模型的中间参数即梯度进行扰动处理；服务器聚合来自所有用户的扰动梯度，进行模型参数更新，用户使用原始数据进行本地参数的更新。本发明具有良好的隐私保护和模型准确性。
-
公开(公告)号：CN114943041B
公开(公告)日：2024-07-02
申请号：CN202210533312.3
申请日：2022-05-17
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F21/62
Abstract: 本发明涉及一种基于差分隐私的隐式反馈协同过滤推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；构造目标函数L(P,Q)，交替最小二乘法求解L(P,Q)，存储用户隐因子矩阵P；将求得的用户隐因子矩阵P代入目标函数L(P,Q)，得到关于项目隐因子矩阵Q的目标函数L(Q)，考虑每一个项目i∈I的目标函数L(qi)，将目标函数L(qi)展开为多项式，降低目标函数的敏感度，使用少量Laplace噪声对目标函数进行扰动；对所有加噪的目标函数#imgabs0#求解，得到加噪的项目隐因子向量#imgabs1#聚合所有的#imgabs2#得到矩阵#imgabs3#本发明具有良好的隐私保护性和模型准确性。
-
公开(公告)号：CN113849772A
公开(公告)日：2021-12-28
申请号：CN202111206920.5
申请日：2021-10-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于本地化差分隐私对矩阵分解算法的隐私信息保护，属于计算机推荐系统领域和信息安全领域，包括将训练模型解耦的分布式框架，用户原始数据与服务器完全分离开；改进矩阵分解的传统模型，将项目潜在特征矩阵分裂为两个子矩阵之和；使用随机投影技术和piesewise机制对模型的中间参数即梯度进行扰动处理；服务器聚合来自所有用户的扰动梯度，进行模型参数更新，用户使用原始数据进行本地参数的更新。本发明具有良好的隐私保护和模型准确性。
-
-
-
Search Results
4
records
(took 0.014 seconds)
