买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明涉及一种基于差分隐私的因果推断矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；构造目标函数L，基于因果推断下的推荐算法对矩阵Pint、Pcon和矩阵Qint、Qcon求解,存储用户隐因子矩阵Pint和Pcon；将求得的用户隐因子矩阵Qint、Qcon,重新进行随机初始化再代入目标函数L中将目标函数改写为LQint|D和LQcon|D，得到关于项目隐因子矩阵Qint、Qcon的目标函数，使用梯度下降法对隐因子矩阵Qint、Qcon求解，考虑每一个项目隐因子梯度和根据不同的隐私预算使用少量Laplace噪声对梯度进行扰动；对目标函数LQint|D和LQcon|D进行梯度下降，得到矩阵本发明具有良好的隐私保护性和模型准确性。

主权项：1.一种基于差分隐私的因果推断矩阵分解推荐方法，其特征在于，该方法具体包括以下步骤：S1：用数值为0或1的隐式反馈矩阵表示用户对项目的隐式反馈数据，0表示用户对项目的非正反馈，1表示用户对项目的正反馈；S2：随机初始化矩阵Pint、Pcon、Qint、Qcon；Pint是用户兴趣隐因子矩阵，表示矩阵Pint的第u行，代表第u个用户的兴趣隐因子向量；Pint是用户从众隐因子矩阵，表示矩阵Pcon的第u行，代表第u个用户的从众隐因子向量；Qint是项目兴趣隐因子矩阵，表示矩阵Qint的第i行，代表第i个项目的兴趣隐因子向量；Qcon是项目从众隐因子矩阵，表示矩阵Qcon的第i行，代表第i个项目的从众隐因子向量；是加噪的项目兴趣隐因子矩阵，表示矩阵的第i行，代表第i个项目兴趣加噪的隐因子向量；d表示隐因子向量的维度；是加噪的项目兴趣隐因子矩阵，表示矩阵的第i行，代表第i个项目从众加噪的隐因子向量；d表示隐因子向量的维度；S3：将用户点击项目分为两种情况。情况1：用户点击了流行度较小的项目，此时可推断用户对该项目有较大的兴趣，可对用户的兴趣和从众原因分别构建损失函数和使用贝叶斯个性化排序最大化两者之间的评分差距。情况2：用户点击了流行度较大的项目，此时无法推断用户的真实兴趣，因此只能对从众原因构建损失函数使用贝叶斯可行化排序最大化两者之间的评分差距。最后，根据点击的真实情况构建点击的损失函数因此可根据以及构建模型的损失函数L求解Pint、Pcon、Qint和Qcon，将Pint和Pcon拼接得到用户矩阵P，Qint和Qcon拼接得到项目矩阵Q；S4：将S3中得到的矩阵P、Pint和Pcon固定，随机初始化矩阵Qint和Qcon，代入损失函数L中并重新计算矩阵Qint和Qcon，通过损失函数L求得关于矩阵Qint和Qcon的梯度和并计算数据集D和D′的敏感度，计算分配给Qint和Qcon的隐私预算，根据隐私预算从Laplace分布采样噪声，对梯度和做梯度扰动，得到加噪的梯度和S5：通过扰动后得到的梯度，对损失函数L进行梯度下降得到最终的矩阵和]将和拼接得到差分隐私保护的项目矩阵S6：根据公式进行预测，对S1所述隐式反馈矩阵中非正反馈项目的预测结果进行排序，将TOP-N个项目推荐给用户。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于差分隐私的因果推断矩阵分解推荐方法