基于移动云位置隐私保护的推荐系统的制作方法
【技术领域】
[0001] 本发明公开了一种基于移动云的地理隐私保护的推荐系统的新方案。所属技术领 域为社交网络领域。
【背景技术】
[0002] 目前基于地理位置的推荐系统已经相对成熟，大部分研究都充分利用了用户的签 到数据来获取用户的兴趣，包括时间兴趣和空间兴趣。时间兴趣表示:根据用户的签到历史 数据判断用户在什么时间段喜欢做什么，空间兴趣表示:根据用户所在的空间地理位置来 判断用户比较喜欢在哪些地方逗留。同时，运些研究也考虑了社交用户间的影响力，比如比 较相似或者亲密的两个用户，他们之间的兴趣推荐会更容易让对方接受。部分研究还考虑 了地理位置知名度的影响，比如一些有名的景点、场所会为其周围的一些场所带来很多的 客流量。在运些研究中，或是采用相似度的方法来求地理位置间的相似度、用户间的相似 度；或是采用了加权矩阵分解进行降维、提取特征值;或是采用幕律函数方法对人类的时 间-空间行为分布进行拟合。
[0003] 目前的研究技术在某些程度上满足用户的一些需求，但是运些研究技术中，存在 着W下两个方面的问题：1)很少考虑到用户的当前的地理位置、时间，导致了对用户兴趣推 荐出现了很大的偏差;2)即使个别研究可能考虑到用户的当前地理位置，但是没有考虑到 用户的当前地理位置设及的隐私问题。因为运些研究需要用户将当前的地理位置上传到服 务器，然后进行一系列处理。而上传用户的当前地理位置信息的过程中，很有可能会导致隐 私泄露，给用户造成不必要的麻烦。
【发明内容】
[0004] [发明目的]:针对现有技术存在的缺陷，本发明提供一种新方案，该方案既考虑用 户的当前地理位置、时间，同时又不会泄露用户的隐私信息，从而得到一个很好的推荐结 果。
[0005] [技术方案]:整个方案主要分为两个模块:云端服务器模块和手机客户端模块。本 方案充分利用了移动云技术，对大部分非隐私数据，如社交关系数据、用户签到历史数据等 在云端进行融合分析，得到初步的推荐范围，然后把初步推荐结果下放到手机上，再在手机 上融合用户当前的地理位置、时间，进行过滤和调整，得到最后的推荐结果。
[0006] 1、云端服务器负责模块：
[0007] 1)云端服务器从社交网络软件上的获得非隐私的签到数据，然后对运些信息进行 数据融合，分析用户的时间模式、空间模式，从而获得用户的行为模式。比如分析用户在什 么时间段喜欢到哪些地方，从而得到用户的空间-时间分布规律，并W概率形式体现出来。 [000引2)云端服务器从社交网络软件获取社交关系数据，分析用户间的相似度和亲密 度，将相似度高、亲密度高的朋友的K-Top兴趣点推荐给用户。
[0009] 3)云端服务器结合用户的时间-空间分布规律、用户间的影响力，得到初步的推荐 结果。
[0010] 2、手机客户端负责模块：
[0011] 1)手机用户向云端服务器请求用户的初步推荐结果，将云端响应请求后发送的推 荐列表下载到手机上。
[0012] 2)在手机上融合用户的当前地理信息和时间，并且考虑当前地理环境下的地方知 名度，对云端的初步推荐结果进行过滤和调整。
[0013] [有益效果]:本方案达到既考虑用户的当前地理位置、时间，同时又不会泄露用户 的隐私信息的较好推荐效果。
【附图说明】
[0014] 该图为本发明的基于移动云的地理隐私保护的推荐系统的新方案的流程图。
【具体实施方式】
[0015] 下面结合附图对本发明的流程做进一步的详细说明。
[0016] 附图是本方案的流程图。具体的实施过程如下：
[0017] 1、云端服务器模块。该模块主要分成=个阶段:1)根据用户的签到历史数据，对用 户进行行为模式分析，得到用户的行为-时间概率:SG(u，l，c，t);2)根据用户的社交关系数 据，对用户的社交关系进行分析，得到朋友的K-top兴趣点概率:5。(11，1，(：，*);3)进行整合： [001 引 S(u，l，c，t)=]i.SG(u，l，c，t)+A.SF(u，l，c，t)
[0019] 叶入=1
[0020] 1)用户行为模式分析方法:根据用户的签到数据，分析地理相关性、地理条目相关 性，步骤如下：
[0021 ]步骤一:兴趣试点估测，采用核密度估计方法：
巧
[0023] N = SX,/,;签到的频度和
[0024] T(u，Ii It):用户的时间模式
[002引 KH(l;li;u):核函数
[0026] 步骤二:地理条目相关性估测，其中P(l，t)表示地理位置的知名度，的表示地 理条目知名度分布的密度函数：
[0027] Cg (巧/，嗦〇 =["''')又；（句&
[0028] 步骤两者进行整合，得到位置地理位置1被推荐给用户U的概率：
[0029] SG(U，l，C，t) = SGl.CG
[0030] 2)社会影响力分析:根据用户的社交关系数据和用户的历史签到数据，分析用户 与朋友间的影响力关系，并把朋友兴趣点推荐给用户，步骤如下：
[0031] 步骤一:分析用户与朋友的亲密度，采用皮尔逊相似度方法求用户的相似度。
[0033] 步骤二:将用户与其朋友的社交行为考虑进去，得到用户与其朋友的关系
[0034] RUu' =a.PCS(u，u' )+0.CL0(u，u')
[0035] a+e=l
[0036] 步骤=:根据社交影响力得到的兴趣点推荐概率：
[0037] 〇，/，[，0= S 欠/",".欠 U ell
[0038] 3)云端整合用户行为模式分析和社会影响力分析：
[0039] S(u，l，c，t)=]i.SG(u，l，c，t)+A.SF(u，l，c，t)
[0040] 叶入=1
[0041] 云端服务器根据用户ID，响应用户请求，下放该用户的初步推荐列表：
[0042] List:(Ui，L，T，S)
[0043] L是要推荐的地理位置集合：从,,，义,,，义,，......乂,"}，T是时间集合：{t i 1，t i 2， ti3......tin}，S是针对地理位置推荐的概率集合：{ Sil，Si2，Si3......Sin}。
[0044] 2、手机客户端模块。
[0045] 1)手机用户向云端服务器发送用户ID，将云端响应请求后发送的推荐列表下载到 手机上：
[0046] List:(Ui，L，T，S)
[0047] 2)手机从LBS获取用户当前地理信息和时间，且考虑当前地理环境下地方的知名 度P( 1，t)，对云端的初步推荐结果进行过滤和调整：
[004引 Filter(List;l;t;P(l，t))
[0049]上面对本发明作了详细的说明，但是本发明并不限于上述的实施方式，在本领域 的技术人员可W根据自己所具备的知识，对本发明做各种变化W达到更优的效果。
【主权项】
1. 一种基于移动云的地理隐私保护的推荐系统的新方案，其特征在于，整个方案主要 分为两个模块:云端服务器模块和手机客户端模块，云端服务器进行数据融合分析，得到初 步的推荐列表并下放到手机客户端上;手机客户端利用LBS获取用户当前位置隐私信息，对 云端的初步推荐列表进行过滤、调整。2. 根据权利要求1所述的基于移动云的地理隐私保护的推荐系统的新方案，其特征在 于，在云端服务器上主要分为三个阶段:根据用户的签到的历史数据，对用户进行行为模式 分析，得到用户的行为-时间概率:S c(u，l，c，t);根据用户的社交关系数据，对用户的社交 关系进行分析，得到朋友的K-top兴趣点概率:S F(u，1，c，t);最后对两个模块进行整合： S(u，l，c，t)=y.Sc(u，l，c，t)+A.SF(u，l，c，t) μ+λ= 13. 根据权利要求2所述的云端模块的用户行为模式分析方法，其特征在于，根据用户的 签到数据，分析地理相关性、地理条目相关性，步骤如下： 步骤一:兴趣试点估测，采用核密度估计方法：Ν = ?Χ〖,:签到的频度和 i T(u，h|t):用户的时间模式 KH(l;li;u):核函数 步骤二:地理条目相关性评测，P(i，t)表示地理位置的知名度，乂.8 00表示地理条目知 名度分布的密度函数：步骤三:两者进行整合，得到位置地理位置1被推荐给用户U的概率： Sg(u，1，c，t) = Sgi · Cg4. 根据权利要求2所述的云端模块的社会影响力分析，其特征在于，根据用户的社交关 系数据，分析用户与朋友间的影响力关系，并把朋友兴趣点推荐给用户，步骤如下： 步骤一:分析用户与朋友的亲密度，采用皮尔逊相似度方法求用户的相似度。步骤二:将用户与其朋友的社交行为考虑进去，得到用户与其朋友的关系 Rlu.u' =a.PCS(u,u/ )+P.CL0(u,u/ ) α+β=1 步骤三:根据社交影响力得到的兴趣点推荐概率：5. 根据权利要求1所述的云端服务器的初步推荐列表，其特征在于，手机客户端向云端 服务器请求用户的初步推荐列表，云端服务器根据用户ID，响应用户请求，下放该用户的初 步推荐列表： List: (m，L，T，S) L为要推荐的地理位置集合：〇v_y"2，八3……兄,"}，τ为时间集合：{tn，t i2，ti3......tin}, S为针对地理位置推荐的概率集合：{sil，Si2，Si3......Sin} 〇6.如权利要求1所述的手机客户端模块，其特征在于，从LBS获取当前地理信息和时间， 并且考虑当前地域位置的地方知名度，对云端的初步推荐结果进行过滤和调整。 Filter(List;l;t;P(l，t))〇
【专利摘要】本发明公开了一种基于移动云的地理隐私保护的推荐系统新方案。该方案旨在不泄露用户的当前地理位置信息，又能很好地结合用户的当前地理信息和时间以及用户的历史签到数据，从而对用户进行有效的兴趣点推荐。该方案主要分成两部分：(1)云端进行初步的兴趣点范围推荐：云端根据用户在社交工具上的签到历史数据、社交关系，分析用户的社交模式、时间模式、空间模式、兴趣点的分布概率，从而给出用户兴趣点的初步推荐列表。(2)手机获取用户当前地理信息和时间，并对云端的初步推荐结果进行过滤和调整，做出更为精准的推荐。
【IPC分类】H04L29/08, G06Q50/00, G06F17/30
【公开号】CN105635309
【申请号】CN201610040209
【发明人】钱红燕, 关海燕
【申请人】南京航空航天大学
【公开日】2016年6月1日
【申请日】2016年1月19日