典型文献
融合知识图谱和差分隐私的新闻推荐方法
文献摘要：
针对现有融合知识图谱和隐私保护的推荐方法不能有效平衡差分隐私(DP)噪声与推荐系统性能的问题,提出了一种融合知识图谱和隐私保护的新闻推荐方法(KGPNRec).首先,采用多通道知识感知的卷积神经网络(KCNN)模型融合新闻标题、知识图谱中实体和实体上下文等多维度的特征向量,以提高推荐的准确度;其次,利用注意力机制为不同敏感程度的特征向量添加不同程度的噪声,从而降低噪声对数据分析的影响;然后,对加权的用户特征向量添加统一的拉普拉斯噪声,以保证用户数据的安全性;最后,在真实的新闻数据集上进行实验分析.实验结果表明,与隐私保护的多任务推荐方法(PPMTF)和基于深度知识感知网络(DKN)的推荐方法等相比,所提KGPNRec在保护用户隐私的同时能保证方法的预测性能.在Bing News数据集上,所提方法的曲线下面积(AUC)值、准确率和F1分数与PPMTF相比分别提高了0.019、0.034和0.034.
文献关键词：
知识图谱;差分隐私;推荐系统;新闻;卷积神经网络
中图分类号：
作者姓名：
王利娥;李小聪;刘红翼
作者机构：
广西师范大学计算机科学与工程学院,广西桂林541004;广西多源信息挖掘与安全重点实验室(广西师范大学),广西桂林541004
文献出处：
引用格式：
[1]王利娥;李小聪;刘红翼-.融合知识图谱和差分隐私的新闻推荐方法)[J].计算机应用,2022(05):1339-1346
A类：
KGPNRec,KCNN,PPMTF
B类：
融合知识,差分隐私,新闻推荐,推荐方法,隐私保护,DP,推荐系统,系统性能,多通道,知识感知,模型融合,融合新闻,新闻标题,上下文,特征向量,注意力机制,敏感程度,低噪声,用户特征,拉普拉斯噪声,用户数据,新闻数据,多任务,任务推荐,深度知识,感知网络,DKN,用户隐私,预测性能,Bing,News
AB值：
0.324474
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
