一种基于嵌入增强和对抗过滤的公平推荐方法

    公开(公告)号:CN118113935A

    公开(公告)日:2024-05-31

    申请号:CN202410117259.8

    申请日:2024-01-29

    Abstract: 本发明公开了一种基于嵌入增强和对抗过滤的公平推荐方法,其主要包括:首先,对数据进行预处理;接下来,预训练基于嵌入的推荐模型;然后基于数据增强的规则,对学习到的嵌入进行调整,再将数据集进行扩充,接着将调整后的嵌入与扩充后的数据集带入微调阶段的推荐模型。对于微调的模型,仍使用基于嵌入的推荐模型,加入公平感知的对抗过滤器;最后,在预测推荐结果时,先基于预测得分进行排序,再选择top‑K项目作为推荐结果返回给用户。本发明致力于引入数据增强规则和公平感知模块为来提升推荐系统的公平性。

    一种基于k-匿名的图数据隐私保护方法

    公开(公告)号:CN118194337A

    公开(公告)日:2024-06-14

    申请号:CN202410116922.2

    申请日:2024-01-29

    Abstract: 本文公开了一种基于k‑匿名的图数据隐私保护方法,其主要包括以下几个步骤:首先,基于用户特征指标对用户进行相似性计算,并对此结果进行排序;其次,依据用户的排序相似度建立关系树,为接下来的聚类分组奠定基础;接着,我们需要对树的分支及分支内的节点进行优化调整,以构建出最终的树形结构。在构建过程中,树的每一条分支代表着一个用户分组,即集群分组。通过这样的调整,我们可以更好地理解用户之间的相似性和差异性。最后,根据结构阈值对图进行匿名操作,得到最终的匿名图。本发明致力于在满足不同需求隐私要求的同时,降低对原始数据的修改,提高数据可用性,平衡用户隐私和数据可用性。

Patent Agency Ranking