[发明专利]基于关联规则满足用户隐私保护的个性化推荐方法及系统有效
| 申请号： | 201410283430.9 | 申请日： | 2014-06-23 |
| 公开（公告）号： | CN104050267B | 公开（公告）日： | 2017-10-03 |
| 发明（设计）人： | 丁丽萍;卢国庆 | 申请（专利权）人： | 中国科学院软件研究所 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京君尚知识产权代理事务所(普通合伙)11200 | 代理人： | 冯艺东 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于关联规则满足用户隐私保护的个性化推荐方法及系统。该方法应用维规约技术得到原始数据的规约表示，并采用拉普拉斯机制或者指数机制保证规约过程满足ε1‑差分隐私；应用闭频繁模式挖掘技术构建规约数据对应的前缀树，并利用拉普拉斯机制扰动频繁模式对应的支持度计数，保证满足ε2‑差分隐私；同时利用一致性约束后置处理保证输出结果的可用性；挖掘前缀树，获得满足ε‑差分隐私的频繁模式集合及其对应的支持度计数；应用关联规则发现算法，获得满足最小支持度和最小置信度，以及ε‑差分隐私的强关联规则集合。本发明有效解决了用户隐私保护和提升个性化推荐系统性能之间的矛盾，可广泛应用于电子商务、社交网络、广告等个性化推荐系统。 | ||
| 搜索关键词： | 基于 关联 规则 满足 用户 隐私 保护 个性化 推荐 方法 系统 | ||
【主权项】：
一种差分隐私下的关联规则挖掘方法，其步骤包括：(1)应用维规约技术得到原始数据的规约表示，并采用拉普拉斯机制或者指数机制保证规约过程满足ε1‑差分隐私；(2)应用闭频繁模式挖掘技术构建规约数据对应的前缀树，并利用拉普拉斯机制扰动频繁模式对应的支持度计数，保证满足ε2‑差分隐私；同时利用一致性约束后置处理保证输出结果的可用性；(3)挖掘前缀树，获得满足ε‑差分隐私的频繁模式集合及其对应的支持度计数；其中ε＝ε1+ε2；(4)应用关联规则发现算法，获得满足最小支持度和最小置信度，以及ε‑差分隐私的强关联规则集合。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院软件研究所，未经中国科学院软件研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410283430.9/，转载请声明来源钻瓜专利网。
