[发明专利]个性化搜索中基于信任的隐私保持的协同过滤推荐方法

权利要求书

1.一种个性化搜索中基于信任的隐私保持的协同过滤推荐方法，依据自动信任协商过程中建立起来的信任关系指导目标用户提供个人信息的详细程度，实现了目标用户对隐私暴露程度的自主控制；在推荐对象选择阶段过程中集成信任管理技术可以减少恶意的、不可靠的相似用户被选择的机会，将其排除于推荐对象选择之外；其特征在于包括以下步骤：

目标用户与协同过滤推荐系统之间信任关系的建立阶段：

目标用户与协同过滤推荐系统之间通过自动信任协商的方式建立信任关系，自动信任协商结束后，目标用户获得对协同过滤推荐系统的执行行为的信任度T_cf；

用户聚类阶段：

目标用户根据信任度T_cf来判定个人信息泄露的程度，协同过滤推荐系统收集目标用户提供的个人信息并采用Person相关度公式计算用户相似度sim(i，j)，对用户聚类后得到一个初始的与目标用户兴趣相似的用户集合，并将相似用户集合提交给目标用户；

推荐对象选择阶段：

目标用户从相似用户集合中选择全局信任度不低于T_cf的相似用户作为推荐对象。

2.根据权利要求1所述的个性化搜索中基于信任的隐私保持的协同过滤推荐方法，其特征在于：目标用户与协同过滤推荐系统分别被部署自动信任协商管理模块，自动信任协商管理模块负责通过目标用户与协同过滤推荐系统之间的属性信息的交换来建立信任关系；自动信任协商管理模块又包含两部分：协商管理器和属性信息库，属性信息库存储参与者的证书和访问控制策略信息，协商管理器负责根据对方的协商请求提交相关的证书，自动信任协商结束后，目标用户获得对协同过滤推荐系统的执行行为的信任度T_cf。

3.根据权利要求1所述的个性化搜索中基于信任的隐私保持的协同过滤推荐方法，其特征在于：目标用户根据信任度T_cf来判定个人信息泄露的程度，协同过滤推荐系统收集目标用户提供的个人信息并通过计算用户相似度的方式对用户聚类，采用Person相关度公式计算用户相似度sim(i，j)，公式表述如下：

sim(i,j)=Σc=1m(Ri,c-Ri)(Rj,c-Rj)Σc=1m(Ri,c-Ri)2Σc=1m(Rj,c-Rj)2]]>

其中R_i和R_j分别为用户i和j的平均评分，R_i，c与R_j，c为用户i和j对共同评过分的项目c评分，m为用户i和j共同评分的数目。

4.根据权利要求1所述的个性化搜索中基于信任的隐私保持的协同过滤推荐方法，其特征在于：在代码传输的过程中采用信任机制评价用户的推荐行为，只有全局信任度不低于T_cf的相似用户才能被选择作为推荐对象；相似用户的全局可信度，由与之发生过推荐行为的其他用户对它的局部信任度，以及这些用户的全局可信度来计算，可采用以下公式进行表述：

Vx=Σy∈S(wyΣy∈swyfyx)=Σy∈swyfyxΣy∈swy]]>

其中V_x代表用户x的全局可信度，S是与用户x发生过推荐行为的用户集合。f_yx是用户y对用户x的局部可信度值。w_y是局部可信度f_yx的权重。整个信任的计算过程采用多次叠代的方法，直到V_x收敛到一个稳定的值。