一种基于差分隐私和时间感知的隐式矩阵分解推荐方法

摘要

本发明公开了一种基于差分隐私和时间感知的隐式矩阵分解推荐方法，可使隐私保护和推荐的准确度达到很好的平衡。思路为：首先对用户的评分数据进行规范化，在将用户的评分数据发送给推荐系统之前，为每个子评分矩阵分配隐私预算，对矩阵中的每个评分进行扰动，再利用改进的隐式矩阵分解算法构建子矩阵分解模型，分析用户在每个时间间隔从数据集中学习到的兴趣，得到子矩阵的用户特征矩阵和项目特征矩阵，再利用自回归时间序列分析模型挖掘用户和项目的特征随时间变化趋势，计算得到未来某个时间段的行为预测值，选择预测评分值最大的TOP‑N个项目对用户进行推荐。