面向隐私保护的地理社交网络个性化推荐方法研究

User-centric geosocial network has become the most popular information sharing platform in the world. By collecting information through geosocial network, users can find friends with similar interests or interesting goods, but the data in the network are exploding. But it is caused by information overload and privacy leaks and other issues. In this project, we will study the multi-dimensional recommendation algorithm and personalized recommendation privacy protection method. On the one hand, it can provide a new direction for the theory and technology innovation of recommendation in geosocial network environment, and on the other hand, establish methods and techniques for privacy protection recommender system in research and application area. In this project, we discuss the technology of recommendation and privacy preserving in geosocial networks, and futher explore the application of personalized recommendation in the field of public opinion prediction, e-commerce, smart tourism and so on.

以用户为中心的地理社交网络己成为当今世界最为流行的信息分享平台，通过地理社交网络收集信息可以为用户找到志趣相投的朋友或者是感兴趣的商品，但目前网络中的数据呈爆炸式增长，引起了信息过载和隐私泄露等问题。本项目拟对地理社交网络环境下的多维度推荐算法及其隐私保护方法进行研究。一方面可以为地理社交网络环境下推荐理论和技术创新提供新的方向，另一方面也为个性化推荐隐私保护研究和应用建立必要的方法和技术。本课题通过对地理社交网络中推荐技术与隐私保护方法的探索，进一步扩大个性化推荐在舆情预测、电子商务、智慧旅游等领域的应用。

地理社交网络环境下个性化推荐及其隐私保护方法是信息安全和数据处理领域的重要研究课题之一，对提升位置服务质量和安全性有重要价值。本项目主要围绕基于地理时空的多维度推荐方法和基于地理社交网络的个性化推荐隐私保护方法等相关内容开展研究，取得了一系列研究成果。提出了基于超图的矩阵因子分解混合推荐方法，表明用超图理论描述社交网络内在联系，可以有效提高推荐系统在冷启动和数据稀疏情况下的推荐性能；针对地理社交网络具有用户兴趣分散、时空连续性等特点，提出了基于情感分析、社交信任、时间动态的多维度推荐方法，提升了推荐的准确性和质量；针对用户位置和兴趣隐私泄露的问题，提出了分布式隐私保护推荐框架，可以保护用户的偏好隐私，同时也可以保护用户的位置隐私，更好地适应移动互联网环境下的个性化推荐需求；提出了若干差分隐私、k匿名等隐私保护方法，并应用于位置服务和数据处理，在保证数据可用性的同时，有效提高了数据处理的安全性；探讨了个性化推荐及隐私保护方法在电子商务、健康医疗、智慧旅游等领域的应用。本项目将地理社交网络环境下的个性化推荐理论与隐私保护方法进行有效结合，为推荐技术和隐私保护理论开拓了新方向和新应用。项目一年执行期内，已在WWW、JIIS、IDA等重要学术期刊及ICDM、DASFAA、DEXA等高水平国际会议发表及录用相关学术论文22篇，其中SCI收录8篇、EI收录5篇；授权发明专利1项；受本项目资助培养研究生7名。