A logistic matrix factorization recommendation algorithm based on polynomial coefficient perturbation

doi:10.1016/j.engappai.2026.114426

A logistic matrix factorization recommendation algorithm based on polynomial coefficient perturbation

2026-03-07

0

PRE

AI

DOI：10.1016/j.engappai.2026.114426

原文链接

原文求助

摘要

En 中文

目前针对显式评分设计的隐私保护推荐方案已取得显著进展。然而，由隐式反馈数据引发的隐私问题尚未得到充分关注。为此，我们提出了一种基于多项式系数扰动的逻辑矩阵分解推荐算法。该算法采用逻辑矩阵分解拟合隐式反馈数据，同时通过在目标函数中引入扰动来保护用户隐私。为高效管理隐私预算，利用泰勒展开将目标函数近似为多项式，仅对一阶项添加噪声以满足差分隐私约束，从而最小化潜在误差累积。理论分析严格证明了所提方法的安全级别与数据效用。在多个数据集上的实验结果进一步表明，本方案能在有效保护用户隐私的同时提供良好的推荐性能。

Keyword:

logistic matrix factorization

implicit feedback

differential privacy

polynomial coefficient perturbation

recommendation system

A logistic matrix factorization recommendation algorithm based on polynomial coefficient perturbation

摘要

期刊

机构

引用论文