计算机科学与探索

作者：王建芳, 柴广文, 陈艺卿, 梁梦豪, 罗军伟

单位：1. 河南理工大学 计算机科学与技术学院，河南 焦作 4540032. 河南理工大学 软件学院，河南 焦作 454000

关键词：隐私保护,推荐,遗忘学习,模糊聚类,自适应去噪

隐私保护在推荐系统中具有至关重要的地位，因为它有助于保护用户的敏感信息免受泄露风险。近年来，推荐遗忘学习作为一种有效的隐私保护手段引起了越来越多的关注。现有方法为了提高模型的训练效率，通常将数据划分为子分区进行训练。然而，简单划分子分区会破坏用户-项目间的完整性，降低数据的可用性。此外，子分区中隐式反馈的假阳性噪声会干扰模型的训练，使其无法准确地捕捉用户的真实偏好。为解决上述问题，提出了融合模糊聚类和自适应去噪的推荐遗忘学习算法（FDRU）。该算法使用模糊聚类来划分数据集，通过计算交互样本到各个聚类中心的余弦距离来确定隶属度，进而将训练集划分为若干个子分区。FDRU设计了一种自适应去噪方法，其能够根据阈值动态地剔除子分区中的假阳性噪声。通过动态权重聚合子模型进行预测和Top-N推荐。为了验证提出算法的性能，在三个公开数据集上进行实验验证，实验结果表明，提出的算法在召回率和归一化折损累计增益上优于其他基准算法。

来源：2024年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第11期