基于用戶動(dòng)態(tài)興趣與變權(quán)隱私保護(hù)的交叉推薦研究.pdf

1、在這個(gè)信息爆炸的時(shí)代，無論是信息需求者的用戶還是信息生產(chǎn)者的媒體或商家都受到海量信息帶來的新挑戰(zhàn)。針對這個(gè)問題，各大電子商務(wù)平臺(tái)紛紛引入個(gè)性化搜索和信息推薦技術(shù)。它能夠根據(jù)用戶預(yù)設(shè)的參數(shù)或者從網(wǎng)頁訪問記錄中通過數(shù)據(jù)挖掘得到用戶興趣和使用偏好，幫助用戶獲得關(guān)注的信息，以解決互聯(lián)網(wǎng)的信息過載問題，從而為用戶提供符合其興趣偏好的產(chǎn)品。理想狀態(tài)下，這樣的推薦系統(tǒng)能夠大大地降低用戶的搜索成本，為用戶提供高效的個(gè)性化服務(wù)，從而提高用戶對購物的滿意度

2、。
　　傳統(tǒng)的推薦系統(tǒng)根據(jù)用戶的歷史購買記錄及其與用戶興趣相關(guān)的其他用戶的購買信息提供產(chǎn)品推薦方案和意見。這種傳統(tǒng)的推薦系統(tǒng)是基于協(xié)同過濾的算法，它考慮用戶興趣的相似性和用戶對產(chǎn)品的偏好。但是，沒有考慮到用戶興趣的動(dòng)態(tài)性和用戶搜索行為偏好的差異性。而且，傳統(tǒng)的信息挖掘過程必須追蹤用戶的個(gè)人信息和購買記錄，給用戶帶來隱私泄露的隱患，使得個(gè)性化的推薦服務(wù)往往沒有達(dá)到預(yù)期的效果。
　　因此，本論文針對上述現(xiàn)狀和問題，在動(dòng)態(tài)興趣和復(fù)

3、雜行為理論基礎(chǔ)上，研究在基于用戶動(dòng)態(tài)興趣和變權(quán)隱私信息保護(hù)的推薦算法，以實(shí)現(xiàn)跨平臺(tái)的交叉推薦。利用用戶的在線行為軌跡來估算用戶搜索行為偏好和識別用戶的動(dòng)態(tài)興趣，并且考慮變權(quán)安全多方隱私保護(hù)的推薦實(shí)現(xiàn)，以便有效改善現(xiàn)有推薦系統(tǒng)在用戶穩(wěn)態(tài)偏好和短暫行為偏好方面的不足以及用戶數(shù)據(jù)收集成本高的問題，使推薦的結(jié)果更符合用戶實(shí)時(shí)的個(gè)性化意圖。具體的研究架構(gòu)如下:
　　首先，為了提供更高質(zhì)量的個(gè)性化服務(wù)，需要構(gòu)建更為細(xì)致、準(zhǔn)確的用戶模型，本論文

4、從動(dòng)態(tài)興趣的獲取視角，建立基于實(shí)時(shí)興趣的圖譜和用戶動(dòng)態(tài)興趣的模型，然后對用戶的行為興趣進(jìn)行相關(guān)性分析和聚類分析。接著，提出用戶在網(wǎng)頁的停留時(shí)間長短來推算用戶興趣度的“瀏覽時(shí)間評估法”，以及用戶瀏覽關(guān)鍵詞的速度來識別興趣度變化的“瀏覽速度評估法”，并用實(shí)驗(yàn)的方法對上述方法進(jìn)行驗(yàn)證。
　　其次，利用安全信息論和秘密共享體制等相關(guān)理論作為基礎(chǔ)，基于行為經(jīng)濟(jì)學(xué)非理性的效用計(jì)策分析中的體驗(yàn)效用、決策效用和預(yù)測效用來解釋個(gè)體對隱私偏好具有“風(fēng)

5、險(xiǎn)厭惡”的基本特征，以及貨幣效用函數(shù)曲線凹形使得對于額外的需求個(gè)體在不同情況下有不同的邊際效用，設(shè)計(jì)安全多方計(jì)算的隱私信息共享機(jī)制，并分析每種算法的計(jì)算復(fù)雜度，實(shí)施的復(fù)雜度和安全性以及決策者的支出（搜索成本/決策成本），利用算法設(shè)計(jì)原理來探索出低復(fù)雜度且保證安全性的均衡點(diǎn)的共享機(jī)制。
　　最后，本論文整合跨域跨平臺(tái)的用戶興趣，對電子商務(wù)跨平臺(tái)服務(wù)進(jìn)行個(gè)性化推薦研究。探索跨平臺(tái)服務(wù)模式下各平臺(tái)之間的信息共享模型的形成機(jī)理，研究不同類

6、型用戶最終購買決策，以更好地實(shí)現(xiàn)跨平臺(tái)的交叉推薦。
　　本論文的主要?jiǎng)?chuàng)新性點(diǎn)是在用戶搜索和瀏覽行為的基礎(chǔ)上，通過實(shí)時(shí)用戶查詢和搜索交互，來提取用戶真實(shí)的和潛在的購買興趣，從而辨別用戶的動(dòng)態(tài)需求，和提高個(gè)性化服務(wù)的質(zhì)量，具體將其歸納為以下三個(gè)主要貢獻(xiàn):
　　(1)把用戶的動(dòng)態(tài)興趣、興趣遞減規(guī)律和遺忘曲線函數(shù)引入到推薦系統(tǒng)的研究領(lǐng)域中，提出基于駐留時(shí)間的興趣度估計(jì)方法和基于瀏覽速度的興趣變化估計(jì)方法來識別用戶的動(dòng)態(tài)興趣和搜索行為

7、的偏好，實(shí)時(shí)捕捉和識別用戶的興趣，更加精準(zhǔn)地為用戶提供更好的決策方案和策略。
　　(2)考慮在動(dòng)態(tài)數(shù)據(jù)挖掘中的用戶隱私保護(hù)問題，并提出變權(quán)安全多方計(jì)算的隱私保護(hù)推薦算法。然后，在Karmarkar算法的基礎(chǔ)上，改進(jìn)在大數(shù)據(jù)矩陣的計(jì)算成本和計(jì)算速度問題，以達(dá)到精確的個(gè)性化推薦的同時(shí)可以有高效的隱私保護(hù)。
　　(3)提出基于隱私保護(hù)的跨電子商務(wù)平臺(tái)的復(fù)雜網(wǎng)絡(luò)推薦模型，實(shí)現(xiàn)碎片化“跨平臺(tái)資源”的交叉推薦與運(yùn)用，滿足和提高的電子商務(wù)