[发明专利]一种隐私保护的大数据推荐方法及系统

权利要求书

1.一种隐私保护的大数据推荐方法，其特征在于，包括以下步骤：

S1、获取用户行为数据，在大数据处理端对用户行为数据进行匿名化处理；

S2、对匿名化处理后的用户行为数据的属性进行统计，建立统计属性行为表，该表的每一项属性表示用户的一项个人信息，并将每一项属性的统计结果，转换为一个枚举值；

S3、查找相似用户行为，根据两个用户行为数据的枚举值，计算两个用户行为的相似度，比较相似度数值与相应阈值，根据比较结果生成推荐信息；

相似度的计算方法为：

设置统计属性枚举值为二进制表示的归一化离散枚举值，计算统计属性枚举值二进制的低w位的k次方差，其中w＝t*|Pi|，t取值为1/2或3/4，|Pi|为用户属性数组Pi的长度，k取值为2或4，若要求近似度高，则k取4，否则取2。

2.根据权利要求1所述的隐私保护的大数据推荐方法，其特征在于，步骤S2中将用户行为数据转换为枚举值的过程具体包括：

对匿名化处理后的用户行为数据的属性进行统计，建立统计属性行为表，其中，该属性行为表包括性别、年龄、职业、消费水平/收入水平、学历和关注品类；

不同的性别、年龄段、职业、消费水平/收入水平、学历和关注品类，用不同的枚举值表示。

3.根据权利要求1所述的隐私保护的大数据推荐方法，其特征在于，步骤S2中的属性枚举值为二进制表示的归一化离散枚举值。

4.根据权利要求1所述的隐私保护的大数据推荐方法，其特征在于，步骤S1中匿名化处理方法具体包括：删除用户行为数据中的隐私敏感字段并替换隐私敏感字段。

5.一种隐私保护的大数据推荐系统，其特征在于，包括：

匿名化处理单元，用于获取用户行为数据，在大数据处理端对用户行为数据进行匿名化处理；

属性枚举值计算单元，对匿名化处理后的用户行为数据的属性进行统计，建立统计属性行为表，该表的每一项属性表示用户的一项个人信息，并将每一项属性的统计结果，转换为一个枚举值；

用户推荐单元，查找相似用户行为，根据两个用户行为数据的枚举值，计算两个用户行为的相似度，比较相似度数值与相应阈值，根据比较结果生成推荐信息；

相似度的计算方法为：

设置统计属性枚举值为二进制表示的归一化离散枚举值，计算统计属性枚举值二进制的低w位的k次方差，其中w＝t*|Pi|，t取值为1/2或3/4，|Pi|为用户属性数组Pi的长度，k取值为2或4，若要求近似度高，则k取4，否则取2。

6.根据权利要求5所述的一种隐私保护的大数据推荐系统，其特征在于，所述属性枚举值计算单元中将用户行为数据转换为枚举值的过程具体包括：对匿名化处理后的用户行为数据的属性进行统计，建立统计属性行为表，其中，该属性行为表包括性别、年龄、职业、消费水平/收入水平、学历和关注品类；

不同的性别、年龄段、职业、消费水平/收入水平、学历和关注品类，用不同的枚举值表示。

7.根据权利要求5所述的一种隐私保护的大数据推荐系统，其特征在于，所述属性枚举值计算单元中的属性枚举值为二进制表示的归一化离散枚举值。

8.根据权利要求5所述的一种隐私保护的大数据推荐系统，其特征在于，所述匿名化处理单元中匿名化处理方法具体包括：删除用户行为数据中的隐私敏感字段并替换隐私敏感字段。