[發明專利]一種基于本地化差分隱私保護的多目標推薦方法

有效

• 申請號: 202111443344.6
• 申請日: 2021-11-30
• 公開（公告）號: CN114117306B
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 張順;何穩;劉星雨;崔小娟;鄒銘敏
• 申請（專利權）人: 安徽大學綠色產業創新研究院
• 主分類號: G06F16/958
• 分類號: G06F16/958;G06F16/9535;G06F21/62;G06N3/00
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種基于本地化差分隱私保護的多目標推薦方法，其特征是按如下步驟進行：

步驟1、從網站上獲取訪問用戶對項目的評分信息：

假設所述網站上有n個訪問用戶，記為U＝{u₁,u₂,...,u_i,...,u_n}，u_i表示第i個訪問用戶，1≤i≤n；所述網站上存在m個項目，記為V＝{v₁,v₂,...,v_j,...,v_m}，v_j表示第j個項目，1≤j≤m；令第i個訪問用戶u_i對第j個項目v_j的評分信息記為r_ij，從而得到所有訪問用戶對所有項目的評分信息組成的評分矩陣R_n×m；

步驟2、將評分矩陣R_n×m映射成01矩陣R′_n×m；

步驟3、根據隨機響應機制對01矩陣R′_n×m進行擾動，再使用概率傳播算法對擾動后的01矩陣R″_n×m進行兩次資源分配得到權值矩陣：

步驟3.1、定義隱私預算ε，計算概率

步驟3.2、對所述01矩陣R′_n×m中第i行第j列的元素r′_ij，利用式(1)得到擾動后的元素r″_ij：

式(1)中，α表示隨機數，且α∈[0,1]；

步驟3.3、根據訪問用戶與項目之間的關系構建用戶-項目二部圖網絡；

步驟3.4、定義變量t并初始化t＝1；

步驟3.5、以第t個訪問用戶u_t作為目標用戶，利用式(2)計算第一次資源分配后第i個訪問用戶u_i得到的資源值f(u_ti)：

式(2)中，k_j表示對第j個項目v_j評分過的訪問用戶數；r″_tj表示目標用戶u_t對第j個項目v_j的評分分信息；1≤t≤n；

步驟3.6、利用式(3)計算第二次資源分配后第j個項目v_j得到的資源值f(v_tj)，并作為權值ω_tj：

步驟3.7、將t+1賦值給t后，判斷tn是否成立，若成立，則表示得到每個訪問用戶對每個項目的權值；若不成立，則返回步驟3.5順序執行；

步驟4、定義種群規模為N，初始化種群P＝{p₁,p₂,...,p_s,...,p_N}，其中，p_s表示第s個個體，且表示第s個個體p_s中第i個染色體，且第i個染色體表示第i個訪問用戶u_i隨機選取k個項目所組成的推薦列表；令第1個個體p₁＝{top_k₁,top_k₂,...,top_k_i,...,top_k_n}，其中，top_k_i表示第i個訪問用戶u_i選取前k個權值最大的項目所組成的推薦列表；1≤s≤N；

步驟5、確定種群中個體的準確性目標函數值和多樣性目標函數值；

步驟5.1、利用式(4)計算第e個個體p_e的準確性目標函數值PR_e：

式(4)中，表示第e個個體p_e中第i個訪問用戶u_i的推薦列表；1≤e≤N；

步驟5.2、利用式(5)計算第e個個體p_e的多樣性目標函數值CV_e：

式(5)中，dif_e表示給第e個個體p_e中n個訪問用戶推薦的不同的項目數；

步驟6、初始化NSGA-II算法的各個參數，包括：進化次數G，最大進化次數G_max，并初始化G＝1；

步驟7、將種群規模為N的第G代種群進行交叉和變異操作，生成種群規模為N的第G代子代種群為示表第G代種群中第s個個體；

步驟8、按照步驟5計算第G代子代種群中第f個個體的準確性目標函數值PR_f和多樣性目標函數值CV_f，1≤f≤N；

步驟9、將第G代種群和第G代子代種群為合并后的所有個體進行快速非支配排序，得到2N個個體，并將在第G代合并種群中2N個個體所處的層級集合記為其中，表示第G代中第θ層級，γ表示種群被劃分的層級數；

步驟10、從所述第G代合并種群中選取規模為N的個體種群作為第G+1代的父代種群

步驟10.1、初始化θ＝1；

步驟10.2、選取第G代中第θ層級的全部個體放入到第G+1代的父代種群中，判斷父代種群中的全部個體數是否大于N，若是，則根據擁擠度距離來淘汰部分個體，直至數目等于N為止，從而得到規模為N的第G+1代父代種群并跳到步驟11，否則，執行步驟10.3；

步驟10.3、令θ+1賦值給θ，并判斷θ＞γ是否成立，若成立，則執行步驟11；否則，返回步驟10.2；

步驟11、將G+1賦值給G，判斷G＞G_max是否成立，若成立，表示完成G_max次迭代，并得到種群否則返回步驟7順序執行；

步驟12、取種群中第一層級中所有個體作為pareto最優解集，并以pareto最優解集所對應的推薦列表作為最優推薦方案推薦給n個訪問用戶。