基于用戶動態(tài)興趣與變權(quán)隱私保護的交叉推薦研究.pdf

1、在這個信息爆炸的時代，無論是信息需求者的用戶還是信息生產(chǎn)者的媒體或商家都受到海量信息帶來的新挑戰(zhàn)。針對這個問題，各大電子商務(wù)平臺紛紛引入個性化搜索和信息推薦技術(shù)。它能夠根據(jù)用戶預(yù)設(shè)的參數(shù)或者從網(wǎng)頁訪問記錄中通過數(shù)據(jù)挖掘得到用戶興趣和使用偏好，幫助用戶獲得關(guān)注的信息，以解決互聯(lián)網(wǎng)的信息過載問題，從而為用戶提供符合其興趣偏好的產(chǎn)品。理想狀態(tài)下，這樣的推薦系統(tǒng)能夠大大地降低用戶的搜索成本，為用戶提供高效的個性化服務(wù)，從而提高用戶對購物的滿意度

2、。
　　傳統(tǒng)的推薦系統(tǒng)根據(jù)用戶的歷史購買記錄及其與用戶興趣相關(guān)的其他用戶的購買信息提供產(chǎn)品推薦方案和意見。這種傳統(tǒng)的推薦系統(tǒng)是基于協(xié)同過濾的算法，它考慮用戶興趣的相似性和用戶對產(chǎn)品的偏好。但是，沒有考慮到用戶興趣的動態(tài)性和用戶搜索行為偏好的差異性。而且，傳統(tǒng)的信息挖掘過程必須追蹤用戶的個人信息和購買記錄，給用戶帶來隱私泄露的隱患，使得個性化的推薦服務(wù)往往沒有達到預(yù)期的效果。
　　因此，本論文針對上述現(xiàn)狀和問題，在動態(tài)興趣和復(fù)

3、雜行為理論基礎(chǔ)上，研究在基于用戶動態(tài)興趣和變權(quán)隱私信息保護的推薦算法，以實現(xiàn)跨平臺的交叉推薦。利用用戶的在線行為軌跡來估算用戶搜索行為偏好和識別用戶的動態(tài)興趣，并且考慮變權(quán)安全多方隱私保護的推薦實現(xiàn)，以便有效改善現(xiàn)有推薦系統(tǒng)在用戶穩(wěn)態(tài)偏好和短暫行為偏好方面的不足以及用戶數(shù)據(jù)收集成本高的問題，使推薦的結(jié)果更符合用戶實時的個性化意圖。具體的研究架構(gòu)如下:
　　首先，為了提供更高質(zhì)量的個性化服務(wù)，需要構(gòu)建更為細致、準(zhǔn)確的用戶模型，本論文

4、從動態(tài)興趣的獲取視角，建立基于實時興趣的圖譜和用戶動態(tài)興趣的模型，然后對用戶的行為興趣進行相關(guān)性分析和聚類分析。接著，提出用戶在網(wǎng)頁的停留時間長短來推算用戶興趣度的“瀏覽時間評估法”，以及用戶瀏覽關(guān)鍵詞的速度來識別興趣度變化的“瀏覽速度評估法”，并用實驗的方法對上述方法進行驗證。
　　其次，利用安全信息論和秘密共享體制等相關(guān)理論作為基礎(chǔ)，基于行為經(jīng)濟學(xué)非理性的效用計策分析中的體驗效用、決策效用和預(yù)測效用來解釋個體對隱私偏好具有“風(fēng)

5、險厭惡”的基本特征，以及貨幣效用函數(shù)曲線凹形使得對于額外的需求個體在不同情況下有不同的邊際效用，設(shè)計安全多方計算的隱私信息共享機制，并分析每種算法的計算復(fù)雜度，實施的復(fù)雜度和安全性以及決策者的支出（搜索成本/決策成本），利用算法設(shè)計原理來探索出低復(fù)雜度且保證安全性的均衡點的共享機制。
　　最后，本論文整合跨域跨平臺的用戶興趣，對電子商務(wù)跨平臺服務(wù)進行個性化推薦研究。探索跨平臺服務(wù)模式下各平臺之間的信息共享模型的形成機理，研究不同類

6、型用戶最終購買決策，以更好地實現(xiàn)跨平臺的交叉推薦。
　　本論文的主要創(chuàng)新性點是在用戶搜索和瀏覽行為的基礎(chǔ)上，通過實時用戶查詢和搜索交互，來提取用戶真實的和潛在的購買興趣，從而辨別用戶的動態(tài)需求，和提高個性化服務(wù)的質(zhì)量，具體將其歸納為以下三個主要貢獻:
　　(1)把用戶的動態(tài)興趣、興趣遞減規(guī)律和遺忘曲線函數(shù)引入到推薦系統(tǒng)的研究領(lǐng)域中，提出基于駐留時間的興趣度估計方法和基于瀏覽速度的興趣變化估計方法來識別用戶的動態(tài)興趣和搜索行為

7、的偏好，實時捕捉和識別用戶的興趣，更加精準(zhǔn)地為用戶提供更好的決策方案和策略。
　　(2)考慮在動態(tài)數(shù)據(jù)挖掘中的用戶隱私保護問題，并提出變權(quán)安全多方計算的隱私保護推薦算法。然后，在Karmarkar算法的基礎(chǔ)上，改進在大數(shù)據(jù)矩陣的計算成本和計算速度問題，以達到精確的個性化推薦的同時可以有高效的隱私保護。
　　(3)提出基于隱私保護的跨電子商務(wù)平臺的復(fù)雜網(wǎng)絡(luò)推薦模型，實現(xiàn)碎片化“跨平臺資源”的交叉推薦與運用，滿足和提高的電子商務(wù)