面向地理社交网络的兴趣点推荐隐私保护方法研究
随着移动互联网的发展,面向地理社交网络的兴趣点推荐极大方便了人们的日常生活,可以让用户快速准确地从海量数据中选择兴趣点。然而兴趣点推荐服务需要挖掘用户的潜在行为信息,可能导致用户隐私泄露问题。因此,为用户提供兴趣点推荐服务的同时保护位置隐私已成为研究的重要问题之一。本文主要围绕地理社交网络中位置隐私泄露问题展开研究,其目的是提高兴趣点推荐性能的同时,实现用户位置隐私的保护。为解决现有地理社交网络中兴趣点推荐算法精度不高问题,提出改进的推荐算法;进而,针对兴趣点推荐过程产生的位置隐私泄露问题,提出面向地理社交网络的兴趣点推荐隐私算法。具体研究工作如下:(1)为解决地理社交网络中兴趣点推荐精度不高问题,提出一种融合三种因素:用户偏好、社交影响和距离权值的兴趣点推荐算法。根据用户历史访问记录计算用户间的相似度,确定用户偏好。利用用户社交关系网络和共同签到记录,计算好友对用户签到影响。结合用户当前位置,采用词频逆向文本频率技术,预测该位置与周围兴趣点的距离权值。实验结果表明,基于词频逆向文本频率的推荐算法在推荐精度上优于目前主流推荐算法。(2)分析了地理社交网络中兴趣点推荐引起的隐私泄露问题,提出一种基于k坐标均值的隐私保护算法。根据用户隐私需求条件,确定匿名区域和匿名集合。取至少k个用户位置坐标计算平均值,用坐标均值取代真实坐标。以提高服务质量为目的,选取最优匿名区域。理论分析和实验结果表明,该算法与相关算法对比降低了匿名时间和成本,并且将其应用到推荐服务中不影响服务质量。(3)针对挖掘用户频繁位置信息导致兴趣点推荐的隐私泄露问题,提出一种频繁位置隐私保护算法。按照系统设置的约束条件,为每个用户构建频繁位置集合。依据背景知识的不同,将频繁位置的子集组成超边。以用户偏离和位置偏离最小值为优化目标,将不满足匿名参数k的超边进行重组。通过仿真实验表明,频繁位置隐私保护算法与现有相关算法对比,能够有效保护用户隐私的同时降低用户和位置信息偏离度。
- 作者:
- 宁雪莉
- 学位授予单位:
- 安徽师范大学
- 授予学位:
- 硕士
- 学位年度:
- 2018年
- 导师姓名:
- 罗永龙
- 中图分类号:
- TP391.3;TP309
- 关键词:
- 兴趣点推荐;地理社交网络;隐私保护;频繁位置;k-匿名
-