感知用户隐私的移动商务推荐技术研究

《感知用户隐私的移动商务推荐技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：公开论文类型：应用研究工程硕士学位论文感知用户隐私的移动商务推荐技术研究ResearchonPrivacy-AwareRecommendationTechnologyforMobileCommerce培养单位：信息科学与技术学院专业领域：计算机技术学生姓名：李晓燕校内导师：朴春慧教授校外导师：罗永春高工二〇一六年六月独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得石家庄铁道大学或其它教育机构的学位或证书而使用过的材

2、料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：日期：摘要随着信息与通信技术日新月异的发展，移动商务进入高速发展的时代，基于位置的服务(Location-basedService，LBS)得到广泛的应用。然而，在“信息过载”问题突出的同时，LBS中用户隐私保护已成为热点问题。因此，在保护用户隐私的前提下提供个性化推荐服务成为移动商务进一步发展亟需解决的一个挑战性问题。本文主要针对移动商务中用户隐私保护问题和“信息过载”问题，研究感知隐私的新型移动商务应用模式、移动用户的个性化隐私需求及隐私保护技术、基于隐私保护的推荐

3、方法。论文主要工作包括：(1)在深入研究移动商务中的隐私关注、移动情境中用户隐私保护技术及个性化推荐算法的基础上，构建了基于云平台的隐私保护移动服务推荐框架(CMR)，分析了框架中各个模块的功能，详细描述了该应用模式的推荐服务流程。(2)针对本文提出的CMR服务模式，设计了基于交换与合并的改进匿名集划分算法(EMAGAS)。通过算法应用示例分析，说明了每个主要步骤的操作方法和执行结果。采用真实的公路网络数据集和生成的用户隐私需求数据，通过实验3对EMAGAS与PRN匿名算法从信息熵、假数据率、查询代价、匿名时间4个维度进行了性能比较，验证了EMAGAS算法的

4、有效性和性能优势。(3)基于本文提出的CMR服务模式，结合二部图扩散、TOPSIS属性决策方法和K-NN查询技术，提出了基于能量扩散理论和TOPSIS方法的感知隐私推荐算法。通过算法应用示例分析说明了该算法推荐结果的有效性。最后，对本文所做的工作做了总结，指出论文的不足，并对下一步工作进行了展望。关键词：移动商务；LBS；隐私保护；云服务；个性化推荐AbstractWiththedevelopmentofinformationandcommunicationtechnologys,mobilecommercehasenteredtheageofrapidde

5、velopmentandthelocation-basedservice(LBS)hasbeenusedwidely.However,“informationoverload”problemincreasinglyprominent;atthesametime,inmobileapplication,users’privacyprotectioninLBShasbecomeahotissue.Therefore,providingpersonalizedrecommendationservicebasedontheprotectionofusers’priv

6、acybecomeanewchallengetosolvetofurtherdevelopmentofmobilecommerce.Thispapermainlyfocusesonprivacyproblemand“informationoverload”probleminmobilecommerce,studiesthenewmodelofmobilecommerceapplicationssenseofprvacy,privacyprotectiontechnologyinmobilecommerceandrecommendationtechnology

7、basedonprivacyprotection.Themajorworksofthispaperinclude:(1)Aprivacypreservingmobileservicerecommendationframeworkbasedoncloud(CMR)isestablishedintheresearchofprivacyconcernsinmobilecommerce,privacypreservingtechnologiesinthemobileenvironmentandpersonalizedrecommendationalgorithms.

8、Then,thefunctionofeachmodu