使用连续一致加权采样(CCWS)构建 K-匿名用户队列
信息检索
2023-04-27 v1
摘要
为了在保护用户隐私的同时检索个性化广告活动和创意,数字广告正从基于成员的身份转向基于队列的身份。在此身份体制下,需要一种准确高效的队列构建算法来将具有相似特征的用户分组。在本文中,我们提出了一种可扩展的 -匿名队列构建算法,称为{\em 连续一致加权采样}(CCWS)。所提方法结合了( 次幂)一致加权采样与层次聚类的思想,从而通过强制队列大小的下界来保证 -匿名性。在一个由 M 用户和广告活动组成的 LinkedIn 数据集上的评估表明,CCWS 相比若干基于哈希的方法(包括符号随机投影(SignRP)、最小哈希(MinHash)以及原始 CWS)取得了显著改进。
引用
@article{arxiv.2304.13677,
title = {Building K-Anonymous User Cohorts with\\ Consecutive Consistent Weighted Sampling (CCWS)},
author = {Xinyi Zheng and Weijie Zhao and Xiaoyun Li and Ping Li},
journal= {arXiv preprint arXiv:2304.13677},
year = {2023}
}