[发明专利]一种基于内容的隐私保护图书推荐方法及系统

权利要求书

1.一种基于内容的隐私保护图书推荐方法，其特征在于，包括以下步骤：

(1)由可信端收集用户的图书检索行为和偏好，生成用户配置文件P₀；

(2)对于步骤(1)中获得的用户配置文件P₀构造伪造配置文件集使得所述伪造配置文件集中每一伪造配置文件P_i与用户配置文件的特征分布相似性超过特征分布相似阈值并且使得敏感主题的关于由用户配置文件和伪造配置文件集组成的并集的暴露程度相对与关于用户配置文件的暴露程度明显降低；

(3)将步骤(1)中获得的用户配置文件P₀和步骤(2)中获得的伪造配置文件集中的伪造配置文件随机提交给服务器，并按照内容推荐原理计算配置文件相应的图书推荐结果集{R₀,R₁,R₂,…,R_n}；

(4)在步骤(3)中获得的图书推荐结果集{R₀,R₁,R₂,…,R_n}中，筛选用户配置文件P₀对应的图书推荐结果R₀，返回给用户。

2.如权利要求1所述的基于内容的隐私保护图书推荐方法，其特征在于，所述配置文件包括一组图书关键词的集合以及其中每一关键词的偏好程度评分，配置文件P可记为：

其中k_i为关键词，为关键词空间，mark(k_i)为关键词偏好程度评分。

3.如权利要求1所述的基于内容的隐私保护图书推荐方法，其特征在于，步骤(2)所述伪造配置文件集中每一伪造配置文件与用户配置文件的特征分布相似性超过特征分布相似阈值，可表示为：

其中，为预设的特征分布相似阈值；

simK(P₀,P_i)为用户配置文件P₀和伪造配置文件P_i的关键词特征分布相似度，为用户配置文件P₀的关键词特征分布向量KF(P₀)和伪造配置文件P_i的关键词特征分布向量KF(P_i)之间的余弦相似性，按照如下方法计算：

其中对于配置文件P的关键词特征分布向量KF(P)为配置文件P上的关键词的用户偏好评分值按从大到小顺序排列后组成；关键词特征分布向量KF(P)表示为：

KF(P)＝(mark(k₁),mark(k₂),…,mark(k_n)|k_i∈P∧mark(k_i)≥mark(k_i+1))；

sinU(P₀,P_i)为用户配置文件P₀和伪造配置文件P_i的主题特征分布相似度，为用户配置文件P₀的主题特征分布向量UF(P₀)和伪造配置文件P_i的主题特征分布向量UF(P_i)之间的余弦相似性，按照如下方法计算：

其中对于配置文件P的主题特征分布向量UF(P)为配置文件P背后蕴含的偏好主题集U按照偏好评分从大到小的顺序排列后组成；偏好主题集U表示为：

主题特征分布向量UF(P)表示为：

UF(P₀)＝(mark(u₁),mark(u₂),…，mark(u_d)|u_c∈U₀∧mark(u_c)≥mark(u_c+1))。