[發(fā)明專利]基于移動云位置隱私保護(hù)的推薦系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201610040209.X
• 申請日: 2016-01-19
• 公開（公告）號: CN105635309A
• 公開（公告）日: 2016-06-01
• 發(fā)明（設(shè)計(jì)）人: 錢紅燕;關(guān)海燕
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號: H04L29/08
• 分類號: H04L29/08;G06Q50/00;G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明公開了一種基于移動云的地理隱私保護(hù)的推薦系統(tǒng)的新方案。所屬技術(shù)領(lǐng) 域?yàn)樯缃痪W(wǎng)絡(luò)領(lǐng)域。

背景技術(shù)

目前基于地理位置的推薦系統(tǒng)已經(jīng)相對成熟，大部分研究都充分利用了用戶的簽 到數(shù)據(jù)來獲取用戶的興趣，包括時間興趣和空間興趣。時間興趣表示：根據(jù)用戶的簽到歷史 數(shù)據(jù)判斷用戶在什么時間段喜歡做什么，空間興趣表示：根據(jù)用戶所在的空間地理位置來 判斷用戶比較喜歡在哪些地方逗留。同時，這些研究也考慮了社交用戶間的影響力，比如比 較相似或者親密的兩個用戶，他們之間的興趣推薦會更容易讓對方接受。部分研究還考慮 了地理位置知名度的影響，比如一些有名的景點(diǎn)、場所會為其周圍的一些場所帶來很多的 客流量。在這些研究中，或是采用相似度的方法來求地理位置間的相似度、用戶間的相似 度；或是采用了加權(quán)矩陣分解進(jìn)行降維、提取特征值；或是采用冪律函數(shù)方法對人類的時 間-空間行為分布進(jìn)行擬合。

目前的研究技術(shù)在某些程度上滿足用戶的一些需求，但是這些研究技術(shù)中，存在 著以下兩個方面的問題：1)很少考慮到用戶的當(dāng)前的地理位置、時間，導(dǎo)致了對用戶興趣推 薦出現(xiàn)了很大的偏差；2)即使個別研究可能考慮到用戶的當(dāng)前地理位置，但是沒有考慮到 用戶的當(dāng)前地理位置涉及的隱私問題。因?yàn)檫@些研究需要用戶將當(dāng)前的地理位置上傳到服 務(wù)器，然后進(jìn)行一系列處理。而上傳用戶的當(dāng)前地理位置信息的過程中，很有可能會導(dǎo)致隱 私泄露，給用戶造成不必要的麻煩。

發(fā)明內(nèi)容

[發(fā)明目的]：針對現(xiàn)有技術(shù)存在的缺陷，本發(fā)明提供一種新方案，該方案既考慮用 戶的當(dāng)前地理位置、時間，同時又不會泄露用戶的隱私信息，從而得到一個很好的推薦結(jié) 果。

[技術(shù)方案]：整個方案主要分為兩個模塊：云端服務(wù)器模塊和手機(jī)客戶端模塊。本 方案充分利用了移動云技術(shù)，對大部分非隱私數(shù)據(jù)，如社交關(guān)系數(shù)據(jù)、用戶簽到歷史數(shù)據(jù)等 在云端進(jìn)行融合分析，得到初步的推薦范圍，然后把初步推薦結(jié)果下放到手機(jī)上，再在手機(jī) 上融合用戶當(dāng)前的地理位置、時間，進(jìn)行過濾和調(diào)整，得到最后的推薦結(jié)果。

1、云端服務(wù)器負(fù)責(zé)模塊：

1)云端服務(wù)器從社交網(wǎng)絡(luò)軟件上的獲得非隱私的簽到數(shù)據(jù)，然后對這些信息進(jìn)行 數(shù)據(jù)融合，分析用戶的時間模式、空間模式，從而獲得用戶的行為模式。比如分析用戶在什 么時間段喜歡到哪些地方，從而得到用戶的空間-時間分布規(guī)律，并以概率形式體現(xiàn)出來。

2)云端服務(wù)器從社交網(wǎng)絡(luò)軟件獲取社交關(guān)系數(shù)據(jù)，分析用戶間的相似度和親密 度，將相似度高、親密度高的朋友的K-Top興趣點(diǎn)推薦給用戶。

3)云端服務(wù)器結(jié)合用戶的時間-空間分布規(guī)律、用戶間的影響力，得到初步的推薦 結(jié)果。

2、手機(jī)客戶端負(fù)責(zé)模塊：

1)手機(jī)用戶向云端服務(wù)器請求用戶的初步推薦結(jié)果，將云端響應(yīng)請求后發(fā)送的推 薦列表下載到手機(jī)上。

2)在手機(jī)上融合用戶的當(dāng)前地理信息和時間，并且考慮當(dāng)前地理環(huán)境下的地方知 名度，對云端的初步推薦結(jié)果進(jìn)行過濾和調(diào)整。

[有益效果]：本方案達(dá)到既考慮用戶的當(dāng)前地理位置、時間，同時又不會泄露用戶 的隱私信息的較好推薦效果。

附圖說明

該圖為本發(fā)明的基于移動云的地理隱私保護(hù)的推薦系統(tǒng)的新方案的流程圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明的流程做進(jìn)一步的詳細(xì)說明。

附圖是本方案的流程圖。具體的實(shí)施過程如下：

1、云端服務(wù)器模塊。該模塊主要分成三個階段：1)根據(jù)用戶的簽到歷史數(shù)據(jù)，對用 戶進(jìn)行行為模式分析，得到用戶的行為-時間概率：S_G(u，l，c，t)；2)根據(jù)用戶的社交關(guān)系數(shù) 據(jù)，對用戶的社交關(guān)系進(jìn)行分析，得到朋友的K-top興趣點(diǎn)概率：S_F(u，l，c，t)；3)進(jìn)行整合：

S(u，l，c，t)＝μ.S_G(u，l，c，t)+λ.S_F(u，l，c，t)

μ+λ＝1

1)用戶行為模式分析方法：根據(jù)用戶的簽到數(shù)據(jù)，分析地理相關(guān)性、地理?xiàng)l目相關(guān) 性，步驟如下：

步驟一：興趣試點(diǎn)估測，采用核密度估計(jì)方法：