Python实现基于协同过滤算法带差分隐私的推荐系统 毕业论文+源码及数据
目录
第一章 绪论
1.1 研究背景及意义
当今社会，互联网与移动互联网的普及与发展十分迅速，各类网络应用与移动App已经融入到了人们日常工作和生活的各个方面，比如即时通讯、社交网络、电子商务与电子支付等，人们的日常工作与生活已经离不开移动互联网。在互联网化趋势下，各个行业数据量呈爆炸式增长，人们逐渐从信息匮乏的时代走入了信息过载的时代。在2011年，IDC的研究报告中显示，全球信息总量每过两年，就会增长一倍。而调查显示，这一增速仍在持续加快。10年前，该机构预测2020年全世界的数据量将达40ZB。而中国信息通信研究院2020年12月发布的大数据白皮书（2020年）（http://www.caict.ac.cn/kxyj/qwfb/bps/202012/t20201229_367255.htm）中指出，根据国际权威机构Statista的统计和预测，2020年全球数据产生量预计达到47ZB，比十年前的预测有一个重量级的增长。2018年11月IDC白皮书《DataAge2025》的预测表示，这一数字将在2025年来到175ZB。这使得人们在获取丰富多彩的信息内容的同时，沉浸于信息海洋而难以及时、准确地获得满足其自身需要的信息。
信息过载的主要解决方法有两种：一是搜索，二是推荐。搜索是一种良好的解决方案，但搜索引擎解决的只是人们主动搜索数据的请求，而且需要人们对自己的需求有明确的认识，但是人们通常没有办法十分准确地描述出自己的需求和喜好，因此搜索没有办法满足人们日益增长的对个性化信息的需求。在这个背景下，推荐应运而生。凭借可以主动提供符合用户需求的信息这一优点，应用推荐算法的推荐系统已经被大量运用到各行各业中，成为了互联网中不可或缺的一个环节。我们平时在各个购物网站、新闻网站和影音网站都可以见到推荐系统的身影，比如淘宝、今日头条和Netflix，这些公司的APP都会根据用户的兴趣来进行推送。
图1 手机淘宝的推荐页
