個(gè)性化搜索中隱私保護(hù)的問(wèn)題研究.pdf

1、傳統(tǒng)搜索技術(shù)一方面能夠提供給用戶豐富的信息，但另一方面也給用戶帶來(lái)大量的噪聲和冗余的數(shù)據(jù)，使用戶難以分辨出自己感興趣的信息。為了滿足互聯(lián)網(wǎng)用戶的個(gè)性化需求，給用戶帶來(lái)更貼心和智能的上網(wǎng)體驗(yàn)，應(yīng)運(yùn)而生了個(gè)性化搜索技術(shù)，該技術(shù)能夠提供給用戶個(gè)性化的搜索結(jié)果，但它的實(shí)現(xiàn)需要搜集和使用用戶個(gè)人信息，存在泄露用戶隱私的威脅，因此如何采用更有效的技術(shù)手段來(lái)保護(hù)個(gè)性化搜索中用戶隱私的安全是目前研究的熱點(diǎn)。本文以此為動(dòng)機(jī)，展開對(duì)個(gè)性化搜索中隱私保護(hù)的問(wèn)

2、題研究。本論文的主要研究?jī)?nèi)容如下：
　　 (1)綜述了個(gè)性化搜索技術(shù)、隱私保護(hù)技術(shù)和個(gè)性化搜索中隱私保護(hù)技術(shù)的研究現(xiàn)狀，指出個(gè)性化搜索中需要進(jìn)一步解決和研究的問(wèn)題，即用戶隱私泄露問(wèn)題；研究了傳統(tǒng)向量空間模型的基本概念和理論基礎(chǔ)，分析了TF-IDF(TermFrequencyandInverseDocumentFrequency)權(quán)重算法的思想。
　　 (2)闡述了安全多方計(jì)算的概念以及常用的幾個(gè)安全多方計(jì)算基礎(chǔ)協(xié)議，對(duì)安

3、全點(diǎn)積協(xié)議進(jìn)行了詳細(xì)地分析，討論了安全多方計(jì)算的安全性定義和安全性需求，分別闡述了半誠(chéng)實(shí)模型下的安全兩方和多方計(jì)算的定義。
　　 (3)針對(duì)傳統(tǒng)向量空間模型采用TF-IDF權(quán)重算法在向量化網(wǎng)絡(luò)文檔方面的不足，提出了一種改進(jìn)的向量空間模型。該模型利用UCL(UniformContentLocator)技術(shù)，分析網(wǎng)絡(luò)文本內(nèi)容的語(yǔ)義，抽取UCL語(yǔ)義格，進(jìn)行語(yǔ)義層次分析后，每個(gè)特征項(xiàng)均獲得語(yǔ)義格加權(quán)權(quán)重，同時(shí)結(jié)合TF-IDF權(quán)重算法，對(duì)

4、文檔向量化。該改進(jìn)模型同時(shí)考慮了特征項(xiàng)的語(yǔ)義格加權(quán)權(quán)重和特征項(xiàng)本身的加權(quán)權(quán)重，能夠更真實(shí)的表達(dá)文本內(nèi)容信息。
　　 (4)針對(duì)個(gè)性化搜索結(jié)果排序過(guò)程中，在服務(wù)器端使用用戶描述文件容易造成用戶隱私泄露的問(wèn)題，提出了一種基于改進(jìn)的向量空間模型的安全點(diǎn)積相似度計(jì)算算法。該算法在本文提出的改進(jìn)的向量空間模型的基礎(chǔ)上，又引入了安全點(diǎn)積計(jì)算方法。改進(jìn)的向量空間模型使原始搜索結(jié)果轉(zhuǎn)變?yōu)楦苷鎸?shí)表達(dá)其內(nèi)容的空間向量，并且根據(jù)安全點(diǎn)積計(jì)算自身具有