基于差分隐私的协同过滤推荐系统 毕业论文.docx

目录TOC\o1-3\h\u

1绪论 2

1.1选题的背景及意义 2

1.2研究现状 2

2数据采集与处理 3

3差分隐私与协同过滤算法 4

3.1差分隐私 4

3.1.1差分隐私介绍 4

3.1.2拉普拉斯加噪机制 6

3.1.3差分隐私处理 7

3.2协同过滤推荐算法 8

3.2.1协同过滤推荐概述 8

3.2.2基于用户的协同过滤 9

3.2.3基于项目的协同过滤 9

3.2.4相似度的计算 10

4推荐系统设计与实现 11

4.1需求分析 11

4.2功能模块设计 12

4.2.1前后台系统功能设计 12

4.2.2系统总体时序处理设计 14

4.3系统技术架构 16

4.3.1SSM框架和MVC设计模式 16

4.3.2SSM四层框架 17

4.4系统实现与测试 18

5推荐系统测评 20

6总结与展望 22

6.1总结 22

6.2展望 23

7参考文献 23

致谢 24

PAGE

PAGE1

基于差分隐私的协同过滤推荐系统

摘要：如今,推荐系统广泛应用于社交、新闻和电商等日常生活区域,但是,推荐应用软件的剧增,使隐私暴露问题不断威胁广大用户,所以在隐私保护基础上的推荐系统正在引起关注。本文以新闻网推荐为例，通过Python爬虫收集新闻数据，并设计MySQL数据字段，对新闻数据加入拉普拉斯噪声，对比不同lambda和epsilo参数来优化差分隐私效果和数据可用性，来达到隐私保护的目的,再通过基于用户和项目的协同过滤算法计算用户和物品相似度并实现一个推荐系统，选取三个评价指标，对5个不同用户来测评推荐系统，经过测评三个指标平均值为83%,70%,75%,可以在保持良好性能下满足用户对新闻个性化推荐的需求。

关键词：差分隐私；协同过滤；推荐系统

CollaborativeFilteringandRecommendationSystem BasedonDifferentialPrivacy

Abstract:Nowadays,recommendationsystemsarewidelyusedindailyareassuchassocialmedia,news,ande-commerce.However,therapidincreaseintheuseofrecommendationapplicationshasledtocontinuousprivacythreatsforusers.Therefore,recommendationsystemsbasedonprivacyprotectionhavegainedattention.Thisarticletakesnewswebsiterecommendationsasanexample.ItutilizesPythonwebscrapingtocollectnewsdataanddesignsMySQLdatafields.ItaddsLaplacenoisetothenewsdataandcomparesdifferentlambdaandepsilonparameterstooptimizetheeffectivenessofdifferentialprivacyanddataavailability,aimingtoachieveprivacyprotection.Furthermore,itimplementsuser-basedanditem-basedcollaborativefilteringalgorithmstocalculateuseranditemsimilarityandbuildarecommendationsystem.Threeevaluationmetricsareselected,andtherecommendationsystemistestedwithfivedifferentusers,resultinginaveragescoresof83%,70%,and75%forthethreemetrics.Thisindicatesthatthesystemcanmeettheuse