[发明专利]一种基于不经意传输的社会化推荐方法

摘要

本发明公开了一种基于不经意传输的社会化推荐，包括如下步骤：（1）所述SN端和RBS端将用户历史行为记录矩阵的数据分布情况共享给对方，两端仅计算                                               和的项（两方共享的仅为数据的分布情况，并未涉及两方的数据值信息）；（2）利用OT乘法协议各自完成物品的推荐得分计算,并且RBS和SN仅凭所拥有的计算得分并不能推测出对方的数据。（3）物品的推荐得分由RBS和SN以加法和形式秘密共享；（4）比较获得推荐结果。通过上述方式，本发明基于不经意传输的社会化推荐方法具有计算代价极小、适应性极强、效率极高等优点，在基于不经意传输的社会化推荐方法的普及上有着广泛的市场前景。

主权项

一种基于不经意传输的社会化推荐方法，其特征在于，步骤包括：（1）将作为参与方的社交网络服务提供商一端设置为SN、电子商务提供商一端设置为RBS，用户的社交网络拓扑图设置为Social Graph，SN持有所有用户之间的社交关系网络拓扑图，RBS持有用户历史行为数据，是所有的用户节点集合，是用户好友关系的边集合，是物品ID集合，是用户与物品之间的关系集合，是边的权重，设置推荐物品个数为k；（2）利用不经意传输算法，SN和RBS合作计算出每个物品的预测得分：（2.1）SN持有所有用户的社交关系数据G_F，RBS持有用户历史行为数据G_I，用户历史行为数据即用户历史购买记录；对于目标用户u，SN可以根据事先确定好的相似度计算方法计算出 sim(u,v)，其中，v是除用户u之外的所有其他用户，而除了用户u以外，一共有m个用户；当物品为i，SN端持有相似度向量SIM={sim（u,u₁）,sim(u,u₂),…,sim(u,u_m)}, 其表示用户u₁、u₂一直到用户u_m分别相对于用户u的相似度, u_m表示第m个用户；RBS持有物品i的评分向量W_i={w（u₁，i），w(u₂,i),…,w(u_m,i)},其表示用户u₁、u₂一直到用户u_m分别对物品i的评分，u_m表示第m个用户；对于目标用户u而言，物品i的推荐得分s（u，i）为对应位积之和；RBS将所有用户的历史行为数据记录在记录矩阵中，并将记录矩阵的分布情况共享给SN，同样SN也需要将自己的数据分布情况共享给RBS，即两方只计算和的项，并不是对所有的元素进行OT乘法操作，其中，记录矩阵的分布情况为0时，则用户未曾购买过物品，记录矩阵的分布情况为1时，则用户购买过物品；（2.2）利用不经意传输协议安全包装自己的数据：（2.2.1）RBS随机生成个环元素，a表示Social Graph中的某个用户u与另一个用户之间的相似度值，b表示History Records中物品I的一个用户评分，a,b∈R，根据，分别计算二元组(，)，其中，0≤i<ρ，i为自然数；（2.2.2）SN根据a的二进制表示…，利用不经意传输协议从RBS中得到；SN计算，RBS端计算，以此将自己的数据完成安全的封装，得到关于相似度值得分x，以及关于评分记录得分y；（3）以加法和形式秘密共享数据，并完成物品的推荐得分计算：SN和RBS分别持有向量X=和Y=，其中，表示客户相对于目标用户u对物品的评分，以此类推，计算出物品的评分,其总和，并且将所有物品的评分总和以上述加法和的形式秘密共享；（4）比较获得推荐结果：以SN的向量X和RBS的向量Y为输入， SN和RBS利用Garbled Circuits合作实现安全的比较，RBS得到针对当前推荐用户而言的前k个得分最高的推荐结果，即得到了k个对推荐用户而言最佳的推荐结果。