基于知识图谱的隐私保护推荐算法

【摘要】 基于协同过滤(Collaborative Filtering,CF)的推荐算法可以有效地把用户与推荐内容联系起来，但却通常存在冷启动以及矩阵稀疏等问题，对用户的使用体验造成一定影响。知识图谱能够挖掘用户与推荐内容间的潜在联系，提升推荐的准确性。虽然，在推荐算法中引入知识图谱可以提升算法的推荐效果，但也意味着当推荐系统遭受攻击时用户也将遭受更为严重的隐私安全威胁。文章在知识图谱推荐算法的基础上引入差分隐私机制，提出了一种基于RippleNet模型的隐私保护推荐算法。实验结果表明，该算法能够在一定程度上提升推荐效果，提升推荐效果并降低数据泄露风险。更多还原