社會化推薦及其隱私保護(hù)關(guān)鍵問題研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)與Web2.0應(yīng)用的發(fā)展，在線社交媒體已經(jīng)成為信息傳播、信息獲取、信息共享與個體創(chuàng)造內(nèi)容的重要平臺，由此產(chǎn)生了信息過載問題。同時用戶產(chǎn)生的在線應(yīng)用數(shù)據(jù)往往包含用戶敏感信息，這些信息的發(fā)布與傳播帶來了用戶隱私泄露的風(fēng)險。社會化推薦技術(shù)將用戶在線社交數(shù)據(jù)與社會屬性信息應(yīng)用到推薦結(jié)果中，以幫助用戶過濾冗余信息并獲取個性化的推薦服務(wù)。然而在當(dāng)前在線社交媒體上如何有效提取用戶社會網(wǎng)絡(luò)信息應(yīng)用于社會化推薦、如何在幫助用戶獲得準(zhǔn)確推薦結(jié)

2、果的同時盡可能保護(hù)用戶隱私成為具有理論與實踐意義的研究難題。
　　針對社會化推薦面臨的問題與挑戰(zhàn)，本文闡述了社會化推薦的應(yīng)用領(lǐng)域與技術(shù)特點，概況了與社會化推薦相關(guān)的隱私保護(hù)技術(shù)特征。接著以在線社交媒體中的用戶社會網(wǎng)絡(luò)信息提取和社會關(guān)系感知模型作為出發(fā)點開始本文的研究工作，根據(jù)社會關(guān)系感知模型所反映的用戶網(wǎng)絡(luò)信息利用與用戶隱私保護(hù)問題，分別從用戶信任網(wǎng)絡(luò)的量化計算角度和用戶社會網(wǎng)絡(luò)層次刻畫角度深入開展了信任網(wǎng)絡(luò)上的隨機(jī)游走推薦機(jī)制以

3、及社會化推薦隱私保護(hù)機(jī)制的研究。
　　在社會關(guān)系感知模型方面，給出了統(tǒng)一的在線社交應(yīng)用情景描述方法，使用該方法可以將不同的在線社交應(yīng)用情景映射到自我表達(dá)與社會存在兩種分類維度中進(jìn)行研究。給出了在線社會關(guān)系實體屬性及關(guān)系約束條件的形式化表達(dá)，從復(fù)雜的情景對象中抽象和精煉出情景的主要成分，為用戶社會網(wǎng)絡(luò)信息的有效提取提供可操作對象。本文利用社會關(guān)系感知模型從在線社會關(guān)系強(qiáng)度和社會關(guān)系信任值兩個方面考察了不同在線社會關(guān)系類型對相關(guān)在線社

4、交應(yīng)用情景下的社會化推薦效果的影響。研究結(jié)果顯示：（1）針對特定在線社交應(yīng)用情景下的社會化推薦方法需要細(xì)分社會網(wǎng)絡(luò)實體類型，考慮社會同質(zhì)性現(xiàn)象對在線社會網(wǎng)絡(luò)實體屬性的影響。根據(jù)這一結(jié)論，提出了利用在線社會網(wǎng)絡(luò)實體交互行為與交互模式作為實體相似性與同質(zhì)性的外在表達(dá)形式。（2）相比于社會關(guān)系強(qiáng)度，社會關(guān)系信任值存在更強(qiáng)的非對稱性，可細(xì)分并刻畫社會網(wǎng)絡(luò)實體的個體屬性特征。
　　在基于信任網(wǎng)絡(luò)的隨機(jī)游走推薦機(jī)制的研究方面：（1）提出一種基

5、于目標(biāo)實體社會網(wǎng)絡(luò)結(jié)構(gòu)的全局信任網(wǎng)絡(luò)構(gòu)建方法。該方法考慮目標(biāo)實體社會網(wǎng)絡(luò)結(jié)構(gòu)屬性信息，結(jié)合實體在線行為特征向量的相似性來量化表達(dá)實體間的信任值，在此基礎(chǔ)上構(gòu)建起實體的量化信任網(wǎng)絡(luò)。該方法是一種基于實體網(wǎng)絡(luò)結(jié)構(gòu)信息的信任度量方法，相比于傳統(tǒng)方法，其優(yōu)點在于融合了實體在線行為特征的余弦距離，從而在社會化推薦過程中能更快發(fā)現(xiàn)網(wǎng)絡(luò)中的推薦節(jié)點。實驗結(jié)果表明，該方法能有效發(fā)掘具有相似在線行為特征的實體。（2）提出一種基于實體信任網(wǎng)絡(luò)的隨機(jī)游走推薦

6、方法。該方法以實體量化信任值作為信任網(wǎng)絡(luò)中隨機(jī)游走的概率偏好，根據(jù)游走節(jié)點的行為特征屬性與游走步長停止概率計算因子，快速發(fā)現(xiàn)目標(biāo)推薦節(jié)點，提高推薦產(chǎn)生效率。利用條目相關(guān)系數(shù)的計算與條目實際評價域值，生成目標(biāo)實體在目標(biāo)條目上的推薦結(jié)果。在信任網(wǎng)絡(luò)上的實驗結(jié)果表明，相比于幾種典型的推薦方法，該方法能有效應(yīng)對冷啟動與稀疏評價矩陣問題。
　　在社會化推薦隱私保護(hù)機(jī)制的研究方面：（1）提出一種基于差分隱私的社會網(wǎng)絡(luò)層次化構(gòu)建方法，利用連接概

7、率值來替換節(jié)點網(wǎng)絡(luò)邊信息，在此基礎(chǔ)上將噪音信息注入到概率值集合中，生成與輸入網(wǎng)絡(luò)結(jié)構(gòu)屬性相匹配的凈化網(wǎng)絡(luò)，該生成的凈化網(wǎng)絡(luò)能夠滿足∈-差分隱私保護(hù)條件。在包含敏感用戶信息的社會網(wǎng)絡(luò)數(shù)據(jù)上的實驗結(jié)果表明，生成的凈化網(wǎng)絡(luò)能夠匹配原始網(wǎng)絡(luò)的結(jié)構(gòu)信息，并且能有效控制注入的噪音信息量。（2）針對凈化網(wǎng)絡(luò)對社會化推薦效用的影響，提出一種社會化推薦效用的度量方法。該方法定義了效用函數(shù)的可交換性與集中性特點，通過計算目標(biāo)推薦節(jié)點的共有鄰居節(jié)點數(shù)來分析凈

8、化網(wǎng)絡(luò)的隱私邊界，給出了社會化推薦隱私保護(hù)與社會化推薦效用之間的限制條件。
　　綜上所述，本文研究了面向社會化推薦的社會關(guān)系感知模型、信任網(wǎng)絡(luò)上的隨機(jī)游走推薦機(jī)制以及社會化推薦隱私保護(hù)機(jī)制等問題；給出了統(tǒng)一的在線社交應(yīng)用情景描述方法，從在線社會關(guān)系強(qiáng)度與在線社會關(guān)系信任值兩個方面考察了不同在線社交應(yīng)用情景下的社會關(guān)系；提出一種基于目標(biāo)實體社會網(wǎng)絡(luò)結(jié)構(gòu)的全局信任網(wǎng)絡(luò)構(gòu)建方法以及在此基礎(chǔ)上的隨機(jī)游走推薦機(jī)制；針對社會化推薦隱私保護(hù)問題