PDSR：分布式数据上的隐私保护多样化服务推荐方法
信息检索
2024-08-29 v1
摘要
过去十年服务计算取得了显著增长，高效的服务推荐方法备受期待，以向用户推荐高质量服务。众所周知，基于服务质量(QoS)的协同过滤是服务推荐中最流行的方法，许多现有方法致力于提高推荐准确性，即推荐高质量的冗余服务。然而，用户可能对QoS有不同的需求，因此近年来多样化推荐正日益受到关注，以满足用户的多样化需求并探索潜在服务。不幸的是，推荐性能依赖于大量数据（如QoS数据），而这些数据可能分布在多个平台上。因此，为实现跨平台的数据共享以进行多样化服务推荐，我们提出一种隐私保护多样化服务推荐(PDSR)方法。具体而言，我们创新性地利用局部敏感哈希(LSH)机制，使得跨不同平台的隐私保护数据共享成为可能，从而构建服务相似度图。基于相似度图，我们提出一种新型准确性-多样性度量指标，并设计一种2-近似算法，以最大化准确性-多样性度量指标选择K个服务进行推荐。对真实数据进行大量实验，以验证PDSR方法的有效性。
引用
@article{arxiv.2408.15688,
title = {PDSR: A Privacy-Preserving Diversified Service Recommendation Method on Distributed Data},
author = {Lina Wang and Huan Yang and Yiran Shen and Chao Liu and Lianyong Qi and Xiuzhen Cheng and Feng Li},
journal= {arXiv preprint arXiv:2408.15688},
year = {2024}
}